The existing literature has extensively explored the driving factors of green technology innovation, particularly focusing on the role of technology expert executives in enhancing various aspects of enterprise performance. These studies highlight how such executives contribute to improving technological efficiency, promoting technological capital accumulation, elevating innovation levels, increasing option value, and ultimately boosting overall enterprise performance. However, there is little literature regarding the role of technology expert executives in promoting enterprise carbon reduction and achieving synergistic effects. Against the strategic backdrop of green and high-quality development, how to realize the win-win situation of economic performance and environmental performance of enterprises has become an important research issue. Using the data of China's A-share industrial listed enterprises from 2012 to 2023, this paper constructs a theoretical framework of technical expert executives, green technology innovation and the synergy of carbon emission reduction and corporate performance improvement, and discusses the impact of technical expert executives on corporate carbon reduction synergies and its mechanism.
On the basis of theoretical analysis and empirical tests, it is concluded that technical expert executives have a significant positive impact on the synergy of carbon emission reduction and corporate performance improvement. Technical expert executives can effectively reduce the carbon emission intensity of enterprises, improve the financial performance of enterprises, and enhance the coupling and coordination degree of carbon reduction and performance improvement of enterprises;while green technology innovation plays an intermediary role between technical expert executives and the synergy of carbon emission reduction and corporate performance improvement. Technical expert executives have preference for green technology innovation and unique technical expertise, which helps to enhance the willingness and ability of enterprises to innovate green technology and improve the level of enterprises' green technology innovation. Green technology innovation can not only improve the efficiency of energy use, reduce resource consumption, strengthen the end pollution control and reduce the carbon emission intensity of enterprises; it can also help enterprises reduce costs and increase performance, enhance the green core competitiveness of enterprises and improve the financial performance of enterprises, so as to achieve the coordinated promotion of carbon reduction and performance improvement of enterprises.
Further research finds that the stability of the senior management team and good internal governance can provide a strong organizational guarantee for technical expert executives, while the short-sighted management will weaken the positive impact of technical expert executives on enterprises. The positive effect of technical expert executives in promoting the synergy of carbon emission reduction and corporate performance improvement is more significant in enterprises with high internal governance level, strong stability of senior management team and low short-sightedness of management. From the heterogeneity of external environment, the positive effect of technical expert executives in promoting the synergy of carbon emission reduction and corporate performance improvement is more significant in enterprises subject to strong environmental regulations, fierce market competition, and more government subsidies and tax incentives.
企业既是经济价值的主要创造者,也是自然资源的主要消耗者;既是经济增长的主要贡献者,也是碳减排的主力军。“双碳”目标下,如何实现绿色转型关乎企业长远发展,绿色技术创新作为推动企业绿色转型的关键途径,是企业实现经济效益和环境保护“双赢”的有效举措[1-2]。然而,绿色技术创新具有双重外部性[3],而且创新活动具有周期长、投资大、风险高的特点,加之现阶段制度和市场有待进一步完善,企业绿色发展战略实施高度依赖高管团队认知特质和能力专长。因此,探讨技术专家型高管如何赋能企业绿色技术创新、实现降碳协同增效具有重要意义。
现有关于降碳协同增效的研究多是基于宏观视角展开,检验碳排放权交易试点[4]、绿色金融改革[5]、新能源示范城市[6]、清洁发展机制[7]等宏观政策对经济绩效、环境绩效的双重影响。微观层面,内部碳定价机制[8]等对企业降碳、增效具有双重提升作用。值得注意的是,宏观和微观层面研究均关注到绿色技术创新在降碳协同增效中的关键作用[4-6, 8]。作为将企业经济利益与环境保护有效耦合的独特创新活动[9],绿色技术创新具有服务于低碳发展的鲜明特征,是破解企业经济增长与环境保护悖论,促进企业可持续发展的重要驱动力[10-11]。然而,企业在绿色技术创新方面仍存在动力不足、能力不强、低质低效等问题(杨柳勇等,2022)。为此,现有文献重点探究了绿色技术创新驱动因素,包括环境规制压力和利益相关者压力等外部因素[12-14]以及组织资源与能力、管理者认知等内部因素[15]。高管团队是企业最重要的人力资源,是影响创新绩效的核心群体。高管的技术背景决定高管经验、能力,成为影响创新绩效的重要变量。基于高阶梯队理论,学者分别关注了技术专家型高管在提升企业技术效率、促进企业技术资本积累、提升企业创新水平、增加企业期权价值、提升企业绩效等方面的作用,但鲜有文献关注技术型高管在促进企业降碳协同增效方面的作用。
本文以2012-2023年中国A股工业企业为样本,探究技术专家型高管对企业降碳协同增效的影响,以及绿色技术创新的中介作用。本文的边际贡献主要包括以下3个方面:第一,为降碳协同增效的实现路径提供来自企业的微观证据。现有文献更多基于宏观视角,研究国家、区域层面的降碳协同增效[5-7]。本文从微观工业企业视角出发,检验技术专家型高管通过提升企业绿色技术创新水平促进降碳协同增效这一机制路径,丰富降碳协同增效相关研究。第二,拓展技术专家型高管影响后果的相关研究。本文借鉴协同推进减污降碳相关研究中的耦合协调度模型进行企业降碳协同增效的定量测量[5,16],检验技术专家型高管对降碳协同增效的积极效应,拓展技术专家型高管影响后果研究。第三,通过界定技术专家型高管促进降碳协同增效的作用情境,分别从企业内部特征、外部环境角度进行异质性分析,为推动企业实现绿色转型提供有益参考。
绿色技术创新是提升企业经济与环境双重效益,实现人与自然“和谐共生”的重要途径[10]。作为以绿色为基底的独特创新活动,绿色技术创新不仅前期投入大、回本周期长,还兼有复杂性、高风险性、正外部性等特征[3]。因此,许多企业不愿意开展绿色技术创新,或是愿意但是因自身能力限制而难以推进。动力缺失和能力不足是阻碍企业绿色技术创新水平提升的关键原因。技术专家型高管兼有技术专家和企业高级管理者的双重身份,技术专业与工作经历赋予技术专家型高管独特的认知特质和能力专长,高管权力有助于将技术专家型高管的个人特质传递至企业,能有效提高企业绿色技术创新动力和能力,进而提升企业绿色技术创新水平。
就认知特质而言,技术专家型高管偏好创新、敢于承担风险、愿意承担社会责任。这些认知特质使技术专家型高管有着更强烈的绿色技术创新意愿,愿意利用高管权力促使企业作出绿色技术创新决策,从内部增强企业绿色技术创新动力,有助于企业绿色技术创新水平提升。首先,技术专家型高管具有一定创新偏好[17]。拥有技术前沿的实践经历使技术专家型高管比一般高管更了解技术创新价值与重要性,因此技术专家型高管往往偏好于以技术创新为主导的经营发展战略(韩忠雪等,2014)。绿色技术创新具有经济与环境的双重价值,更是技术专家型高管推动企业发展的重要手段。其次,技术专家型高管更愿意承担风险。技术专长的获取是一个需要主动钻研且充满困难与挑战的长期过程,这个过程通过磨炼个体心理素质和意志力、提高风险承担能力和失败容忍度[18],进而赋能技术专家型高管愿意接受绿色技术创新的高风险。最后,技术专家型高管在获得技术专长过程中接受的高层次学业教育或职业教育有助于提升个人道德素养[19],增加个人社会责任感,促使技术专家型高管愿意积极承担社会责任。而进行绿色技术创新、提升企业环境绩效也是技术专家型高管承担社会责任的有效方式。
从能力专长角度而言,技术专家型高管技术知识经验丰富、拥有更多技术资源、具有技术团队管理专长。这些能力专长也是企业的无形资源,有助于增强企业绿色技术创新能力,提升企业绿色技术创新水平。首先,技术专家型高管拥有广泛而深厚的技术专业知识和经验[18]。这些知识与经验使得技术专家型高管在绿色技术创新活动前能够准确识别和评估绿色技术创新项目风险、收益及可行性,提高企业绿色技术创新决策质量;在绿色技术创新过程中能够协助解决研发难题,有效监督项目推进情况并及时进行方案调整[20],提升企业绿色技术创新效率和成功率;在绿色技术创新完成后能够提高创新成果转化率(韩忠雪等,2014),促进绿色技术创新成果的广泛运用。其次,技术专家型高管拥有更多技术相关的人脉资源。这些技术类社会网络关系为企业获取创新资源、达成创新合作提供便利[21],有利于缩短研发周期,降低绿色技术创新成本。此外,技术专家型高管在技术团队管理方面具有独特优势。作为拥有技术岗位工作经历的管理者,技术专家型高管更了解技术人员的利益诉求,能结合实际情况高效管理企业技术团队,并用自身实例激励研发人员努力工作(虞义华等,2018),提高企业绿色技术创新效率与质量。基于上述分析,本文提出假设:
H1:技术专家型高管能显著提升企业绿色技术创新水平。
绿色技术创新通过在能源供给、生产制造、产品销售、回收治理等多个环节发挥作用,降低企业碳排放强度,同时,助力企业降低成本、增加收益,实现降碳协同增效。
在能源供给端,企业通过绿色技术创新,采用太阳能、风能等清洁能源替代化石能源[22],优化了企业能源使用结构。同时,通过技术迭代更新、生产设备升级改造等方式提升能源使用效率,减少单位产出能源消耗量,实现能源清洁高效利用[23],从源头减少温室气体排放,降低企业生产成本和环境治理成本,提升企业财务绩效。
在生产制造端,企业通过绿色技术创新改进生产工艺和生产流程、优化生产布局,实现工艺流程绿色转型升级。工艺流程绿色化与高效化有助于减少企业生产过程中的资源损耗和碳排放,提高企业生产效率和投入产出率[11]。资源节约与高效利用有效降低产品单位生产成本,增加经济效益。
在产品销售端,企业通过绿色技术创新,研发出能够节省材料和能源、无污染无公害的绿色新型产品。而产品绿色化有助于减小其在整个生命周期中对环境的不利影响,降低碳排放。同时,绿色新型产品的环保属性能显著提高产品差异化程度,满足市场绿色购买需求,增强产品市场竞争力,扩大其市场份额,并通过绿色溢价带来企业收益的大幅增长。
在回收治理端,通过绿色技术创新赋能,企业能够利用碳捕获、碳封存等技术对自身产生的二氧化碳进行回收转化利用[23]。这不仅能减少企业二氧化碳排放量,而且能提高附加产品经济价值,增加企业收入来源。同时,利用绿色技术创新降低碳排放后,企业还能将剩余的碳配额通过碳排放权交易市场出售,获得直接的经济利益,进而投入企业经营业务,获得更大的财务回报。
此外,通过绿色技术创新向外界传递企业绿色转型、绿色发展信号,展示企业环保形象和提高声誉,从而有利于获得政府、金融机构和投资者的认可与青睐[24],降低融资成本、提升股票收益,进而提升财务绩效。换而言之,通过绿色技术创新,企业在实现碳减排的同时,提升财务绩效。基于上述分析,本文提出以下研究假设:
H2:绿色技术创新促进企业降碳协同增效。
技术专家型高管具有较强的绿色技术创新意愿、丰富的技术专长、技术人脉和技术团队管理能力。这些认知特质和能力专长有助于增强企业绿色技术创新动力,提升企业绿色技术创新水平。进一步地,绿色技术创新是企业实现降碳协同增效的重要途径,并作用于企业能源供给、生产制造、产品销售、回收治理等多个环节,降低企业碳排放强度的同时提升企业财务绩效。综合以上分析,本文认为技术专家型高管能通过提升企业绿色技术创新水平,实现企业降碳协同增效。因此,提出以下研究假设:
H3:技术专家型高管能促进企业降碳协同增效,绿色技术创新在其中发挥中介作用。
综上,本文构建理论分析框架如图1所示。
图1 理论分析框架
Fig.1 Theoretical analysis framework
本文以2012-2023年中国A股工业企业为初始样本,并进行如下筛选:①剔除交易状态异常(ST、PT)样本,此类企业可能在战略规划、资金流、信息真实性等方面存在问题;②剔除总资产小于总负债的样本,此类企业资不抵债,经营状况存在异常;③剔除关键数据缺失样本。最终得到26 282个企业年度观测值。为避免搜集、整理过程中出现极端值,影响实证结果准确性,本文对所有连续变量进行上下1%分位数的缩尾处理。
数据来源于《中国工业经济统计年鉴》《中国能源统计年鉴》以及中国研究数据服务平台(CNRDS)数据库、WinGo财经文本数据平台、国泰安(CSMAR)数据库。
2.2.1 被解释变量
(1)碳排放强度(INT)。参考沈洪涛和黄楠[25]的做法,本文采用企业二氧化碳排放量与其营业收入的比值衡量企业碳排放强度。其中,企业二氧化碳排放量根据行业能源消耗量近似估算得到,具体计算见式(1)(2)。
碳排放强度![]()
(1)
二氧化碳排放量=企业营业成本×
![]()
(2)
式中,二氧化碳折算系数是根据国家发展改革委能源研究所推荐的二氧化碳排放系数转换计算得出,受到学者的广泛认可[25-26]。
(2)财务绩效(EPER)。总资产报酬率反映企业资产的整体获利能力,是衡量企业财务绩效的常用指标。本文参考解学梅和朱琪玮[10]的研究,采用总资产报酬率衡量企业财务绩效。
(3)降碳增效协调度(CCD)。参考赵燕等[5]的研究,利用耦合协调度模型计算企业降碳与增效的耦合协调度,以此反映企业降碳增效的协同耦合程度。
![]()
(3)
T=αINT_S+βEPER_S
(4)
![]()
(5)
其中,INT_S与EPER_S分别为经过极差标准化后的碳排放强度和财务绩效数值;C为耦合度,T为综合协调指数,D为降碳增效协调度。本文认为企业降碳、增效同等重要,因此α、β均取值为0.5。同时,为使回归结果更加清晰,将上述模型计算出的降碳增效协调度乘以100,进行量纲调整。
2.2.2 解释变量
技术专家型高管(TEXEC)。技术专家型高管是拥有丰富知识和技术经验的核心管理者。参考杨梅等[27]的研究,本文将技术专家型高管定义为拥有高学历且有技术背景的董事长或总经理。当企业董事长或总经理学历在本科及以上,且职业背景中有生产、研发或设计经历时,则认为该企业拥有技术专家型高管,取值为1,否则取值为0。
2.2.3 中介变量
企业绿色技术创新(GRD)。考虑到绿色专利申请数往往具有一定滞后性和不确定性,本文参考相关研究(李晓红等,2023),用绿色专利授权数测度企业绿色技术创新水平,具体以企业绿色专利授权数加1后取自然对数作为企业绿色技术创新的代理变量。
2.2.4 控制变量
参考解学梅和朱琪玮[10]的研究,本文控制变量包括企业规模(SIZE)、资产负债率(LEV)、上市年限(AGE)、企业成长性(GROW)、股权集中度(FIRST)、独立董事占比(INDB)、两职合一情况(DUAL)、产权性质(NATURE)。本文变量说明如表1所示。
表1 变量定义
Table 1 Definitions of the variables
变量类型变量名称变量符号变量说明被解释变量碳排放强度INT企业单位成本的碳排放强度财务绩效EPER总资产报酬率=净利润/总资产降碳增效协调度CCD碳排放与财务绩效的耦合协调度解释变量技术专家型高管TEXEC企业董事长或总经理拥有本科及以上学历且具有技术背景时取1,否则取0中介变量绿色技术创新GRDln(绿色专利授权数+1)控制变量企业规模SIZE总资产的自然对数资产负债率LEV总负债/总资产上市年限AGE统计年份减上市年份并加1企业成长性GROW营业收入增长额/上年营业收入总额股权集中度FIRST第一大股东持股比例独立董事占比INDB独立董事人数/董事会总人数两职合一DUAL董事长与总经理兼任为1,否则为0产权性质NATURE国有企业取1,其它取0
2.3.1 基准回归模型
为验证技术专家型高管对企业降碳协同增效的影响,构建如下基准回归模型:
Yit=α0+α1TEXECit+∑ciControlit-1+IndustryDums+YearDums+εit
(6)
式中,Yit为被解释变量,具体回归中分别用碳排放强度INTit、财务绩效EPERit和降碳增效协调度CCDit进行替换;TEXECit为解释变量技术专家型高管;Controlit-1代指一系列控制变量。IndustryDums和YearDums分别为行业效应与年度效应,εit为随机扰动项。根据前文理论分析,技术专家型高管能降低企业碳排放强度、提升财务绩效、促进企业实现降碳协同增效。因此,当被解释变量为碳排放强度INTit时,α1预期为负;当被解释变量为财务绩效EPERit和降碳增效协调度CCDit时,α1预期为正。
2.3.2 中介效应检验模型
考虑到中介效应检验的多元性,本文同时采用两步法和三步法对绿色技术创新的中介作用进行检验。
(1)两步法。首先,建立技术专家型高管影响绿色技术创新的回归模型(7)。其中,GRDit为中介变量绿色技术创新。其次,建立绿色技术创新影响企业降碳协同增效的回归模型(8)。
GRDit=β0+β1TEXECit+∑diControlit-1+IndustryDums+YearDums+εit
(7)
Yit=γ0+γ1GRDit+∑eiControlit-1+IndustryDums+YearDums+εit
(8)
(2)三步法。首先,将解释变量技术专家型高管对被解释变量进行回归,构建模型(6);其次,将技术专家型高管对中介变量绿色技术创新进行回归,构建模型(7);最后,将技术专家型高管与绿色技术创新同时对被解释变量进行回归,构建模型(9)。
Yit=δ0+δ1TEXECit+δ2GRDit+∑fiControlit-1+IndustryDums+YearDums+εit
(9)
表2报告主要变量描述性统计结果。数据显示,技术专家型高管(TEXEC)的均值为0.306,表明拥有技术专家型高管的样本仅占30.60%,比例较低;企业碳排放强度(INT)的最大值为2.259 2,最小值为0.042,标准差为0.565 8,说明不同工业企业之间碳排放强度不同;企业财务绩效(EPER)的最大值为0.200 8,最小值为-0.247 8,标准差为0.064 6,与已有研究结果较为一致;企业降碳增效协调度(CCD)的最大值为75.201 4,最小值为69.295 5,经量纲调整后该值处于正常取值范围内;绿色技术创新(GRD)的最小值为0,表明部分企业部分年份没有获得绿色专利授权,最大值为4.406 7,标准差为1.074 7,说明不同企业绿色技术创新水平差异较大。
表2 变量描述性统计结果
Table 2 Descriptive statistics for key variables
变量样本量均值中位数标准差最小值1/4分位数3/4分位数最大值INT26 2820.462 30.160 10.565 80.042 00.097 10.658 12.259 2EPER26 2820.035 40.036 20.064 6-0.247 80.011 60.067 70.200 8CCD26 28273.854 474.218 60.707 269.295 573.631 774.303 575.201 4TEXEC26 2820.306 00.000 00.460 80.000 00.000 01.000 01.000 0GRD26 2820.815 60.000 01.074 70.000 00.000 01.386 34.406 7SIZE26 28222.089 121.899 31.240 319.874 521.192 122.773 125.945 6LEV26 2820.394 20.384 70.195 70.051 60.234 80.539 20.865 9AGE26 28211.221 79.000 07.614 61.000 05.000 017.000 034.000 0GROW26 2820.167 00.109 00.369 4-0.486 4-0.020 00.264 42.281 5FIRST26 2820.340 30.318 90.145 50.088 50.227 80.433 80.742 2INDB26 2820.377 40.363 60.053 50.333 30.333 30.428 60.571 4DUAL26 2820.309 70.000 00.462 40.000 00.000 01.000 01.000 0NATURE26 2820.280 50.000 00.449 20.000 00.000 01.000 01.000 0
表3列(1)(2)(3)分别报告技术专家型高管对企业碳排放强度、经济绩效和降碳增效协调度的回归结果。列(1)(2)显示,技术专家型高管对企业碳排放强度的回归系数显著为负,对企业财务绩效的回归系数显著为正,说明技术专家型高管既能降低企业碳排放强度又能提高企业财务绩效。同时,列(3)结果表明,技术专家型高管对企业降碳增效协调度的回归系数显著为正,说明技术专家型高管有助于提高企业降碳增效的耦合协调度,实现企业降碳增效协同推进。综上所述,技术专家型高管能够促进企业实现降碳协同增效。
表3 技术专家型高管对企业降碳协同增效的影响
Table 3 Impact of technical expert executive on the synergy of carbon emission reduction
变量(1)(2)(3)INTEPERCCDTEXEC-0.013 9**0.001 7**0.017 1**(-2.040 6)(2.104 1)(1.991 2)_cons0.133 6*-0.146 9***74.244 8***(1.662 8)(-15.744 3)(728.898 5)控制变量YESYESYES年度效应YESYESYES行业效应YESYESYESN26 28226 28226 282Adj.R20.223 40.173 80.216 6F391.761 0167.547 0373.742 4
注:括号内为稳健t统计量;***、**、*分别表示在1%、5%和10%的水平上显著,下同
3.3.1 替换解释变量
上述基准回归中,本文借鉴杨梅等[27]研究,使用企业董事长或总经理是否属于技术专家型高管测度解释变量。此处,本文将高管从董事长和总经理范畴扩展至全部高管,采用技术专家型高管总数(TEXEC_T)和技术专家型高管数占企业高管总数的比例(TEXEC_R)重新测度解释变量,进行稳健性检验。回归结果如表4列(1)(2)所示。数据显示,技术专家型高管的回归系数仍显著为正,验证了本文结论的稳健性。
表4 稳健性检验结果
Table 4 Robustness test results
变量更改解释变量测量方式数量比例CCDCCD(1)(2)滞后解释变量CCD(3)工具变量法TEXEC(4)CCD(5)倾向得分匹配混合匹配逐期匹配CCD(6)CCD(7)TEXEC_T0.013 0***(5.872 0)TEXEC_R0.077 0***(4.118 0)L.TEXEC0.020 0**(2.342 1)TEXEC0.075 7***0.020 0*0.019 2*(3.581 3)(1.849 9)(1.958 8)IV0.981 3***(87.278 6)_cons74.288 5***74.249 0***74.245 7***-0.271 1***74.254 8***73.904 8***74.004 2***(726.786 7)(729.036 5)(728.939 6)(-4.611 1)(728.948 8)(531.932 4)(583.526 2)控制变量YESYESYESYESYESYESYES年度效应YESYESYESYESYESYESYES行业效应YESYESYESYESYESYESYESN26 27826 27826 28226 28226 28213 87016 687Adj.R20.217 70.217 20.216 60.259 70.215 20.241 00.238 1F374.954 6374.851 9373.830 7369.719 4373.951 6204.750 1252.942 4
3.3.2 解释变量滞后
为了缓解可能存在的反向因果问题,同时,考虑到技术专家型高管对企业降碳协同增效的积极影响可能存在滞后性,本文将技术专家型高管滞后一期处理,回归结果如表4列(3)所示。L.TEXEC对企业降碳增效协调度的回归系数仍显著为正,说明本文的基准回归结果具有稳健性。
3.3.3 工具变量法
为了缓解可能存在的内生性问题,本文参考许秀梅和党晓虹[28]的研究,选取技术专家型高管年度-行业-省份均值为工具变量,运用两阶段最小二乘法进行稳健性测试,结果如表4列(4)(5)所示。数据显示,采用工具变量法缓解内生性后,技术专家型高管对企业降碳协同增效协调度的回归系数仍在1%水平上显著为正,表明上述结论稳健。
3.3.4 倾向得分匹配
为了进一步降低内生估计偏误,本文将具有技术专家型高管的公司年度观测值作为处理组,将不具有技术专家型高管的公司年度观测值作为控制组,使用最近邻1∶1匹配方法对样本进行混合匹配和逐期匹配,并利用匹配后的样本重新进行回归检验。其中,协变量选取与基准回归模型中的控制变量一致。回归结果如表4列(6)(7)所示,结果表明,无论是混合匹配还是逐期匹配,技术专家型高管的回归系数仍显著为正,再次验证基准回归结果稳健。
上文实证结果验证技术专家型高管对企业降碳协同增效的积极影响,本文将继续采用两步法和三步法对绿色技术创新在技术专家型高管与企业降碳协同增效间的中介作用进行检验。
3.4.1 两步法检验
首先,检验技术专家型高管对绿色技术创新的影响,结果如表5列(1)所示。列(1)中,技术专家型高管对企业绿色技术创新的回归系数为正,且在1%水平上显著,表明技术专家型高管能够显著提升企业绿色技术创新水平,假设H1得到验证。
表5 两步法的中介效应检验结果
Table 5 Two-step mediation effect test results
变量(1)(2)(3)(4)GRDINTEPERCCDTEXEC0.097 8***(7.917 0)GRD-0.017 6***0.001 4***0.023 5***(-5.099 2)(3.477 5)(5.386 4)_cons-9.328 5***-0.028 2-0.134 2***74.461 6***(-65.458 7)(-0.319 8)(-12.933 5)(664.019 4)控制变量YESYESYESYES年度效应YESYESYESYES行业效应YESYESYESYESN26 28226 28226 28226 282Adj.R20.337 30.224 00.174 10.217 3F433.978 0392.458 1168.271 5373.441 4
其次,检验绿色技术创新对企业降碳协同增效的影响,结果如表5列(2)~(4)所示。可以发现,列(2)中绿色技术创新对企业碳排放强度的回归系数显著为负;列(3)中绿色技术创新对企业财务绩效有显著正向影响;列(4)中绿色技术创新对降碳增效协调度的回归系数在1%水平上显著为正。这说明绿色技术创新能显著降低企业碳排放强度、提高企业财务绩效、提升降碳增效协调度,促进企业降碳协同增效,因此研究假设H2得到验证。至此,“技术专家型高管→绿色技术创新→降碳协同增效”的逻辑链条得到验证,说明技术专家型高管能通过提升绿色技术创新水平实现企业降碳协同增效,故研究假设H3得到验证。
3.4.2 三步法检验
进一步采用中介效应三步法对绿色技术创新的中介作用进行检验。第一步已在表3的基准回归结果中列示,表明技术专家型高管能显著降低企业碳排放强度、提升企业财务绩效、提高企业降碳增效协调度,促进企业降碳协同增效。第二步已在表5列(1)中列示,表明技术专家型高管对企业绿色技术创新有显著正向影响。第三步,将解释变量技术专家型高管与中介变量绿色技术创新同时对被解释变量进行回归,结果如表6所示。绿色技术创新的回归系数均在1%水平上显著,且技术专家型高管的回归系数绝对值较基准回归结果均有所减小且显著性降低,说明绿色技术创新在技术专家型高管与企业降碳协同增效间发挥中介作用,故研究假设H3再次得到检验。
表6 三步法的中介效应检验结果
Table 6 Three-step mediation effect test results
变量(1)(2)(3)INTEPERCCDTEXEC-0.012 2*0.001 5*0.014 8*(-1.794 0)(1.930 4)(1.727 4)GRD-0.017 3***0.001 4***0.023 1***(-5.007 8)(3.370 3)(7.750 1)_cons-0.027 4-0.134 3***74.460 5***(-0.310 1)(-12.942 0)(664.163 4)控制变量YESYESYES年度效应YESYESYES行业效应YESYESYESN26 28226 28226 282Adj.R20.224 10.174 10.217 4F377.847 5161.808 6359.592 6
4.1.1 产权性质
国有企业与非国有企业的经营目标存在显著差异。其中,非国有企业注重经济效益,盈利是其首要经营目标和生存的必要条件;国有企业肩负政治责任、社会责任,且具有天然的政治资源优势,为履行政治、社会责任能够承担一定程度的亏损。在绿色发展战略背景下,非国有企业技术专家型高管在响应国家低碳要求时会更加注重降碳与增效的平衡统筹,力争做到既减少碳排放又提升企业经营效益,国有企业技术专家型高管则可能更多地服从国家战略,在降低碳排放时愿意牺牲一定的短期经济效益。因此,在非国有企业中技术专家型高管对企业降碳协同增效的提升作用更显著。本文以企业实际控制人为依据,将企业分为国有企业组和非国有企业组,进行分组回归。表7列(1)(2)的回归结果显示,技术专家型高管对企业降碳协同增效的正向影响在非国有企业中显著,在国有企业中不显著。
表7 内部情境异质性检验结果
Table 7 Heterogeneity analysis results of internal context
变量产权性质国有非国有CCD(1)CCD(2)内部治理水平高低CCD(3)CCD(4)管理层短视主义强弱CCD(5)CCD(6)高管团队稳定性高低CCD(7)CCD(8)TEXEC0.014 70.020 5**0.056 8***-0.015 30.009 30.025 0**0.021 2*0.013 2(0.765 1)(2.206 0)(5.373 4)(-1.127 8)(0.698 8)(2.257 0)(1.792 4)(1.043 6)_cons75.257 7***73.439 8***73.331 1***74.935 4***74.712 3***73.685 8***73.993 3***74.461 9***(413.031 9)(661.071 5)(573.534 2)(496.734 8)(497.137 5)(529.107 0)(518.035 2)(515.341 1)控制变量YESYESYESYESYESYESYESYES年度效应YESYESYESYESYESYESYESYES行业效应YESYESYESYESYESYESYESYESN7 37118 91113 012130 17012 86512 87312 96013 060Adj.R20.211 80.178 10.211 10.202 50.201 00.230 10.215 70.215 2F173.478 1138.460 2118.215 4212.017 8184.235 6165.589 7158.899 5210.621 0
4.1.2 内部治理水平
经济绩效与环境绩效的平衡实质是企业对各相关者利益的均衡,本质上体现公司治理水平。当企业治理水平较高时,企业更注重长期利益与短期利益、经济效益与环境责任之间的协调平衡,实现企业降碳协同增效。同时,较高的内部治理水平也意味着企业各项规章制度、风险防控体系较为完善,为技术专家型高管发挥降碳协同增效作用提供了有力保障,有助于实现降碳增效效果。因此,本文认为在内部治理水平高的企业中降碳协同增效作用更显著。
本文参考相关研究,选取赫芬达尔指数、第一大股东持股比例、第二至第十股东持股比例、高管持股比例、独立董事占比、总经理与董事长是否为同一人、是否为国有控股7个变量(顾乃康等,2017),运用主成分分析法构建企业内部治理水平测度指标,并根据年度中位数将样本分为内部治理水平高低两组进行分组回归,结果如表7列(3)(4)所示。结果显示,技术专家型高管的回归系数在内部治理水平高组显著而在内部治理水平低组不显著,说明只有企业内部治理情况较为良好时,才能有效发挥技术专家型高管的降碳协同增效作用。
4.1.3 管理层短视主义
有关绿色技术创新、企业发展方向的重大战略决策往往是管理层共同讨论决定的,当企业管理层具有短视行为偏好时,表明他们更重视企业短期财务绩效而轻视甚至忽略环境责任履行,不愿意主动减少企业碳排放,导致技术专家型高管无法充分发挥对企业降碳协同增效的积极效应。参考相关研究(胡楠等,2021),本文结合上市公司年报中管理层讨论与分析(MD&A)内容,采用统计短期视域词汇的方法,将“短视”词频总数除以MD&A总词频数再乘以100的方法得到管理层短视主义数据。该指标越大,表示管理层的短视行为程度越高。同时,通过分年度计算中位数,将样本分为管理层短视主义高组和低组进行分组回归。表7中列(5)(6)为回归结果,可以发现,在管理层短视主义低水平组中技术专家型高管的作用显著,而在管理层短视主义高水平组中技术专家型高管的作用不显著,表明管理层短视主义削弱技术专家型高管对企业降碳协同增效的积极影响。
4.1.4 高管团队稳定性
高管团队稳定性是指高管团队在一定时期内保持不变的程度[29]。高管团队稳定性高,说明高管成员短期内的离职倾向和离职频率较低,有机会从企业长期投资中获得收益。该情况下,各高管成员更易于就回收期较长的绿色投资项目达成共识。此外,高管团队稳定性强意味着高管成员间具有较强凝聚力和默契度[30],有助于降低企业协调成本,提高资源配置效率。因此,较强的高管团队稳定性有助于技术专家型高管增强企业绿色技术创新意愿,同时,也为技术专家型高管实现降碳协同增效提供了良好的组织环境,有效保障了企业降碳增效。
本文借鉴张兆国等[29]的做法,测度企业高管团队稳定性:
![]()
(10)
式中,STMT表示高管团队稳定性,取值范围为[0,1],数值越接近于1,表明高管团队稳定性越强;Mt表示公司第t年的高管总人数;(St/St+1)表示t~t+1年间离任的高管人数;Mt+1表示t+1年的企业高管总人数;(St+1/St)表示t~t+1年间新增的高管人数。通过上式计算出企业高管团队稳定性后,根据其年度中位数,划分出高管团队稳定性高低两组。表7中列(7)(8)显示,技术专家型高管对企业降碳协同增效的促进作用在高管团队稳定性强的企业中表现显著,在高管团队稳定性弱的企业中不显著。
4.2.1 环境规制
环境规制是政府为达到环境治理目的而对规制企业施加的约束性力量[31]。强环境规制意味着企业受到的环境监管和环境约束更大,企业的碳排放成本和环境违规成本更高。根据《碳排放权交易管理暂行条例》,企业需在规定时限内清缴其碳排放配额。若碳排放量过高,则企业需额外购买碳排放配额以完成清缴,导致企业成本增加。因此,在强环境规制情况下,外部压力增大迫使企业降碳意愿增强。此时,企业会更加重视技术专家型高管的降碳协同增效作用,为其提供更多支持,助力技术专家型高管降碳协同增效作用的发挥。因此,本文认为当环境规制水平较高时,技术专家型高管对企业降碳协同增效的影响更显著。
参考陈瑶[32]的做法,以地区工业污染治理完成投资额与地区工业增加值的比值测算企业面临的环境规制强度,并根据其年度中位数将样本划分为环境规制强度高低两组进行回归,结果如表8列(1)(2)所示。从中可见,技术专家型高管的回归系数在环境规制强度高组中显著为正,而在环境规制强度低组中不显著,验证了本文假设。
表8 外部环境异质性分析结果
Table 8 Heterogeneity analysis results of external environment
变量环境规制强弱CCD(1)CCD(2)市场竞争高低CCD(3)CCD(4)政府补助高低CCD(5)CCD(6)税收优惠高低CCD(7)CCD(8)TEXEC0.043 2***-0.005 20.052 1***-0.020 10.027 8**-0.000 20.047 6***-0.017 0(3.244 6)(-0.462 8)(4.332 3)(-1.152 2)(2.572 4)(-0.016 6)(4.580 5)(-1.261 9)_cons74.736 6***73.860 2***75.835 3***73.343 0***73.981 8***74.519 4***73.832 6***74.960 1***(473.044 4)(557.990 8)(464.819 4)(454.422 2)(536.445 9)(507.327 3)(569.413 4)(493.886 8)控制变量YESYESYESYESYESYESYESYES年度效应YESYESYESYESYESYESYESYES行业效应YESYESYESYESYESYESYESYESN11 88214 34410 5459 09713 13813 14413 13813 143Adj.R20.216 40.216 60.110 00.200 60.225 50.212 90.279 80.198 9F180.635 0193.546 940.808 1288.594 8157.892 8215.127 5164.853 5248.801 4
4.2.2 市场竞争
产品市场是决定企业经营战略的重要影响因素之一。当市场竞争激烈时,企业利润空间低,面临较大市场竞争压力。为了避免业绩下滑和被市场淘汰,企业为迎合消费者、满足消费者需求,会不断提升自身产品的差异化程度。在“双碳”目标驱动下,绿色消费理念已深入人心。为获得消费者喜爱与青睐、提高产品竞争力、获得绿色溢价,企业会更加重视技术专家型高管的降碳协同增效作用。当市场竞争程度较小时,企业通过满足消费者的绿色需求以谋求自身发展的需要并不迫切,导致技术专家型高管促进企业降碳增效的积极效应有所减弱。
参考郭飞等[33]的做法,本文采用赫芬达尔指数衡量上市公司面临的市场竞争程度。并根据赫芬达尔指数的年度中位数将样本分为市场竞争程度高低两组进行分组回归。表8列(3)(4)的结果显示,技术专家型高管的回归系数在市场竞争程度高组表现显著,在市场竞争程度低组不显著,即当市场竞争激烈时技术专家型高管更能发挥促进降碳增效耦合协调的作用。
4.2.3 财税支持
为破解经济绩效与环境绩效冲突的难题,政府推出可再生能源补贴、节能减排补助、清洁发展机制项目所得税减免等一系列促减排财政税收政策,以弥补企业减排中产生的增量成本,提高企业环境保护积极性。这些政府补助和税收优惠增加了企业可用资金,为企业开展绿色技术创新、实施绿色转型提供了有力的资源支持。充裕的资金使技术专家型高管的能力和专长能得到更大程度的发挥,对实现企业降碳增效的提升作用也更大。
基于此,本文参考许江波等[34]的研究,采用政府补助与企业营业收入的比值衡量政府补助强度;采用企业各项税费返还/(各项税费返还+支付的各项税费)衡量税收优惠程度(柳光强,2016)。表8列(5)~(8)结果显示,技术专家型高管对企业降碳增效的正向影响在获得政府补助、税收优惠水平高的企业中表现显著,在低水平组不显著,表明有力的财税支持能强化技术专家型高管的降碳协同增效作用。
在绿色高质量发展背景下,如何促进企业降碳协同增效,实现企业经济绩效与环境绩效双赢成为重要的研究议题。本文利用2012—2023年中国A股工业企业数据,构建技术专家型高管、绿色技术创新与企业降碳协同增效的理论框架,探讨技术专家型高管对企业降碳协同增效的影响及作用机制。根据理论分析与实证检验结果,得到如下研究结论:
(1)技术专家型高管对企业降碳协同增效具有显著正向影响。技术专家型高管能够有效降低企业碳排放强度、提高企业财务绩效、提升企业降碳增效协调度,实现“降碳”与“增效”兼得。上述研究结论与既有研究获得的技术专家型高管有助于提高企业经济绩效的结论一致(张琴,2018;齐鲁光等,2021),同时,进一步将技术专家型高管影响后果研究拓展至环境绩效和经济绩效协同推进层面。
(2)绿色技术创新在技术专家型高管与企业降碳协同增效之间发挥中介作用。技术专家型高管具有绿色技术创新偏好和独特的技术专长,有助于提升企业绿色技术创新动力和能力,提高企业绿色技术创新水平。绿色技术创新不仅能够提升能源使用效率、减少资源损耗、强化末端污染治理、降低企业碳排放强度,而且能够帮助企业降本增效、树立环保形象、增强企业绿色核心竞争力、改善企业财务绩效,从而实现企业降碳增效协同推进。这一结论在技术专家型高管与企业降碳协同增效的研究框架下进一步印证解学梅和朱琪玮[10]关于绿色技术创新是企业实现经济绩效与环境绩效双赢的重要途径的观点。
(3)相对于国有企业,非国有企业面临的融资压力较大,非国有企业技术专家型高管在响应国家低碳要求时会更加注重降碳与增效的平衡统筹,技术专家型高管的降碳协同增效作用在非国有企业中表现更显著。高管团队稳定性和较高的内部治理水平能为技术专家型高管实现降碳协同增效提供有力的组织保障,而管理层短视行为会削弱技术专家型高管的积极影响,因此技术专家型高管促进企业降碳协同增效的积极作用在内部治理水平高、高管团队稳定性强、管理层短视偏好弱的企业中表现更显著。来自环境规制和市场竞争的外部压力有助于增强企业降碳协同增效能力,而政府补助和税收优惠能提升企业降碳协同增效动力,因此技术专家型高管促进企业降碳协同增效的积极效应在环境规制强、市场竞争激烈、政府补助和税收优惠多的企业中表现更显著。
(1)企业应重视技术专家型高管,健全技术型管理人才的长效培育机制。人才是企业高质量发展的重要支撑,技术专家型高管作为既懂技术又懂管理的复合型人才,更是企业的宝贵财富。企业应重视技术专家型高管,给予其广阔的活动平台、建立能够充分发挥其才能的体制机制,最大程度地激发他们的创新潜力和工作热情,从而实现企业技术进步和可持续发展。同时,企业应根据自身情况,建立健全技术型管理人才长效培育机制。一方面,可以通过内部培训、轮岗交流等方式,培养技术人员的管理意识,提升他们的综合管理能力,为技术专家型高管的内部选拔提供人才储备;另一方面,可以积极从外部引进既具备深厚技术背景又拥有管理经验的高端复合型人才,快速带动企业技术与管理的融合发展,为企业带来新活力。
(2)企业应积极开展绿色技术创新,提高绿色技术创新水平。绿色技术创新对企业实现可持续发展具有重要作用,企业应将绿色发展理念融入能源使用、生产制造、产品销售等多个环节,积极投资绿色技术创新活动,重视绿色技术创新人才,通过绿色技术创新实现经济绩效与环境绩效的双赢。绿色技术创新需要资源支持且具有一定风险性,企业可以与高校、科研机构进行产学研绿色技术创新合作,也可以与供应商、战略合作者等构建绿色技术创新联盟,以更低成本和分摊风险的方式提升自身绿色技术创新水平。
(3)企业需提高内部治理水平,增强高管团队稳定性,减少管理层短视主义。本文研究发现,完善的内部治理和高管团队稳定性能增强技术专家型高管的降碳协同增效作用,而管理层短视会削弱这一积极影响。因此,企业应当高度重视并持续优化内部治理结构,通过健全激励机制和监督体系、培育合作包容的企业文化等方式稳固高管团队,减少高管流动带来的不确定性。同时,企业应加强对管理层的教育培训,提升其对可持续发展和长远利益的认知,以有效遏制短视主义倾向,为技术专家型高管降碳协同增效作用的发挥提供更加稳定和有利的组织环境。
(4)政府应加强环境监管、加大财政税收支持力度,以提升企业开展绿色技术创新与绿色转型的能力和动力。一方面,制定和完善环境标准与环保奖惩制度,充分利用数字技术方法与手段,通过建立环境监管信息共享平台、实施智能监测与大数据分析等方式精准高效地监督企业环境行为,及时发现并惩处环境违法问题,以倒逼企业增强环保意识、开展绿色技术创新、降低碳排放,实现降碳与增效协同。另一方面,制定完善的绿色税收优惠、低碳环保补助等税收激励政策,综合运用财政资金、税收调节、政府绿色采购等多种手段,激励和引导企业主动加大环保投入,进行绿色转型,实现可持续发展。
[1] HUANG M, LI M Y, LIAO Z H. Do politically connected CEOs promote Chinese listed industrial firms' green innovation? the mediating role of external governance environments[J]. Journal of Cleaner Production, 2021, 278: 123634.
[2] MAGAT W A. Pollution control and technological advance: a dynamic model of the firm[J]. Journal of Environmental Economics and Management, 1978, 5(1): 1-25.
[3] 王分棉, 贺佳, 陈丽莉. 连锁董事绿色经历会促进企业绿色创新“增量提质” 吗[J]. 中国工业经济, 2023,41(10): 155-173.
[4] 冯国强, 王锦. 碳减排能协同企业增效吗 ——来自碳排放权交易试点的准自然实验[J]. 中国人口·资源与环境, 2023, 33(11): 25-32.
[5] 赵燕, 孙慧, 马点圆. 城市绿色金融改革对减污降碳协同增效的影响研究——基于双重机器学习的因果推断[J]. 产业经济研究, 2024,23(3): 15-28, 58.
[6] 程洪飞, 李豫新, 曹梦渊. 降碳与增长何以兼得——基于新能源示范城市政策的经验研究[J]. 财经研究, 2024, 50(7): 126-140.
[7] 万攀兵, 杨冕, 王怡怡. 清洁发展机制的“降碳” 与“增长” 协同效果评估[J]. 世界经济, 2023, 46(6): 158-182.
[8] 朱帮助, 徐陈欣, 王平, 等. 内部碳定价机制是否实现了减排与增收双赢[J]. 会计研究, 2021,42(4): 178-192.
[9] 崔建军, 雍雁岚, 王少辉. 国家级大数据综合试验区与企业绿色技术创新[J]. 经济问题探索, 2023,44(12): 37-59.
[10] 解学梅, 朱琪玮. 企业绿色创新实践如何破解“和谐共生” 难题[J]. 管理世界, 2021, 37(1): 128-149.
[11] 王海花, 谭钦瀛, 李烨. 数字技术应用、绿色创新与企业可持续发展绩效——制度压力的调节作用[J]. 科技进步与对策, 2023, 40(7): 124-135.
[12] FERNANDO Y, WAH W X. The impact of eco-innovation drivers on environmental performance: empirical results from the green technology sector in Malaysia[J]. Sustainable Production and Consumption, 2017, 12: 27-43.
[13] 李青原, 肖泽华. 异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J]. 经济研究, 2020, 55(9): 192-208.
[14] 田玲, 刘春林. “同伴” 制度压力与企业绿色创新——环境试点政策的溢出效应[J]. 经济管理, 2021, 43(6): 156-172.
[15] LIN Y H, CHEN Y S. Determinants of green competitive advantage: the roles of green knowledge sharing, green dynamic capabilities, and green service innovation[J]. Quality &Quantity, 2017, 51(4): 1663-1685.
[16] 杨晓军, 薛洪畅. 创新驱动政策是否促进城市减污降碳协同增效——来自国家创新型城市试点政策的经验证据[J]. 产业经济研究, 2024,23(3): 1-14.
[17] 王维, 胡铮. 技术背景首席执行官对企业金融化的影响——一个有调节的中介模型[J]. 科技进步与对策, 2022, 39(8): 142-152.
[18] 韵江, 宁鑫. CEO研究经历缘何能驱动企业战略变革[J]. 经济管理, 2024, 46(1): 132-150.
[19] 郭道燕, 蔡杨, 宋丙辛, 等. 学非所用还是学以致用——CEO教育经历对能源企业绿色技术创新的影响研究[J]. 华东经济管理, 2024, 38(4): 104-115.
[20] 黄微平, 陈星. 高管技术烙印对高科技企业绿色创新能力的影响——基于数字赋能视域[J]. 软科学, 2024, 38(5): 7-12.
[21] 贺新闻, 洪琳. 高管团队研发背景对企业创新绩效的影响——有调节的中介效应检验[J]. 科学管理研究, 2021, 39(6): 82-89.
[22] DU K R, LI J L. Towards a green world: how do green technology innovations affect total-factor carbon productivity[J]. Energy Policy, 2019, 131: 240-250.
[23] 徐俊武, 陈钊雄. 绿色技术创新对碳排放的影响效应——非线性中介效应与调节效应分析[J]. 科技进步与对策, 2024, 41(8): 22-32.
[24] 许林, 林思宜, 钱淑芳. 环境信息披露、绿色技术创新对融资约束的缓释效应[J]. 证券市场导报, 2021,31(9): 23-33.
[25] 沈洪涛, 黄楠. 碳排放权交易机制能提高企业价值吗[J]. 财贸经济, 2019, 40(1): 144-161.
[26] 宋德勇, 汪涌, 胡杨. 外资持股的供应链低碳化效应研究[J]. 中国工业经济, 2023,41(11): 155-173.
[27] 杨梅, 王有强, 夏昕鸣. 技术专家型高管与上市企业绿色创新[J]. 经济理论与经济管理, 2023, 43(6): 27-41.
[28] 许秀梅, 党晓虹. CEO技术专长与企业技术资本积累——CEO过度自信的调节效应[J]. 科技进步与对策, 2022, 39(22): 140-150.
[29] 张兆国, 曹丹婷, 张弛. 高管团队稳定性会影响企业技术创新绩效吗——基于薪酬激励和社会关系的调节作用研究[J]. 会计研究, 2018,39(12): 48-55.
[30] AMASON A C. Distinguishing the effects of functional and dysfunctional conflict on strategic decision making: resolving a paradox for top management teams[J]. Academy of Management Journal, 1996, 39(1): 123-148.
[31] ARAG
N-CORREA J A, MARCUS A A, VOGEL D. The effects of mandatory and voluntary regulatory pressures on firms' environmental strategies: a review and recommendations for future research[J]. Academy of Management Annals, 2020, 14(1): 339-365.
[32] 陈瑶. 环境规制执行互动影响工业绿色转型的空间效应研究[J]. 经济问题, 2024,46(1): 76-83.
[33] 郭飞, 马睿, 谢香兵. 产业政策、营商环境与企业脱虚向实——基于国家五年规划的经验证据[J]. 财经研究, 2022, 48(2): 33-46, 62.
[34] 许江波, 齐云飞, 许晨曦. 政府采购与补助对企业创新的协同效应及作用机理探究[J]. 改革, 2024,36(4): 144-163.