Existing studies on supply chain networks primarily investigate how digitalization affects the environmental behavior of enterprises at various supply chain nodes without considering the environmental spillover effect of digital technology innovation in supply chain channels. Additionally, limited attention has been paid to the influence of upstream enterprises on downstream enterprises. As the supply side of the industrial chain, upstream enterprises are responsible for the supply of raw materials and parts, and have strong bargaining power and a monopolistic position. Thus, the forward spillover effects of upstream enterprises' actions within the vertical supply chain relationship deserve further investigation.Therefore, this paper explores the impact of upstream enterprises' digital technology innovation on the green transformation of downstream enterprises. Additionally, previous studies focused more on the forward spillover effects of digitalization or digital empowerment, without delving into the specific mechanisms through which digital technology innovation drives green transformation.From the perspective of interactions among the supply chain enterprises, this paper reveals the internal mechanisms through which upstream enterprises' digital technology innovation influences the green transformation of downstream enterprises, both theoretically and empirically.
This study analyzes A-share listed companies from 2009 to 2023 and presents the following findings: (1) Digital technology innovation exhibits a significant environmental spillover effect within the supply chain, meaning that the digital technology innovation of upstream enterprises significantly drives the green transformation of downstream enterprises. (2) The digital technology innovation of upstream enterprises primarily promotes the green transformation of downstream enterprises by enhancing the production and operation efficiency and green innovation capability of downstream enterprises. (3) The impact of upstream enterprises' digital technology innovation on downstream enterprises' green transformation is particularly pronounced among growing enterprises, large-scale companies, competitive industries, and non-high-tech sectors. Additionally, the strengthening of intellectual property protection and the increase in analyst attention further amplify the environmental spillover effect of upstream enterprises' digital technology innovation. These findings provide a theoretical foundation for the green transformation of supply chain enterprises in the digital economy and offer policy recommendations for advancing the sustainable development of China's supply chain.
The contributions of this study are as follows: Firstly, from the perspective of supply chain spillover, it broadens the relevant research on the environmental effects of enterprise digital technology innovation, and offers new insights into promoting the green and low-carbon transformation of industrial and supply chains, while also advancing the construction of a green and intelligent digital ecological civilization. Secondly, this study explores the transmission mechanism through which upstream enterprises' digital technology innovation drives the green transformation of downstream enterprises. This not only advances research on digital technology innovation but also provides a theoretical foundation for guiding enterprises to enhance their production and management practices, and integrate environmental protection resources. Thirdly, the study examines the heterogeneous impact of upstream enterprises' digital technology innovation on downstream enterprises' green transformation across three dimensions: enterprise characteristics, industry context, and the external environment. This analysis provides a practical pathway for advancing the "Digital China" strategy and promoting green and high-quality economic development.
党的二十大报告强调“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”。2024年《政府工作报告》强调,“推进绿色低碳发展”,“加快形成绿色低碳供应链”。作为产业链供应链的核心微观主体,企业积极践行绿色发展理念实现绿色转型,对于推动经济可持续发展至关重要。绿色转型资金需求大、获利周期长、投资风险高,与企业利润最大化之间存在矛盾[1-2]。探索推动企业绿色转型的路径,既是贯彻落实绿色低碳生产生活方式的客观要求,也是实现经济高质量发展的需要。
随着新一轮科技革命和产业变革深入发展,以大数据、人工智能和区块链等为代表的数字技术创新不断涌现,逐渐渗透至生产、分配、交换和消费等环节。数字技术创新具有组合性、自成长性以及融合性的特点,有助于企业充分整合、重组和利用各类环保资源进行污染治理,既能通过自身迭代推动企业生产模式由粗放型向集约型转变,还可以通过突破产业界限和创造新的商业模式帮助企业在市场上获得成本优势,从而有效解决企业绿色转型中的技术突破难题和运营成本窘境,成为引领企业绿色转型的核心驱动力[3-6]。同时,数字技术创新与应用为供应链企业间协同提供了条件[7]。在生产关联日益密切的趋势下,数字技术创新能够通过信息溢出、知识共享以及技术赋能等方式沿供应链扩散,使上下游企业实现数字化互联,从而提高产业链供应链相关主体互动频率和协作效率,并对企业创新流程、生产模式产生全方位、深层次的影响,重塑要素投入结构、提升能源使用效率[8-9]。因此,亟需从供应链纵向关联角度分析数字技术创新对企业绿色转型的影响。
既往文献探讨了企业数字技术创新对环境绩效、市场价值和全要素生产率等的影响[4,9-11],尚未深入分析企业数字技术创新对绿色转型的作用,尤其是供应链垂直关系中的溢出效应。涉及供应链企业间互动的相关研究侧重于讨论数字化转型对企业可持续发展的影响,主要包括两类:一是企业数字化转型对上游企业的影响,包括上游企业ESG表现、绿色创新[12-13]和碳减排(杨刚强等,2024);二是数字化对供应链上下游企业的影响,包括上下游企业能源消耗强度、污染减排强度[8]以及碳排放(屠西伟和张平淡,2024)。综上,现有研究尚未关注上游企业数字技术创新对供应链下游企业绿色转型的影响,对数字技术创新的环境效应及供应链溢出作用机制的分析也不足。已有研究主要探讨数字技术创新对企业自身的影响机制,少量研究考察了数字化转型对下游企业影响的传导机制[14-15]。与数字化不同,数字技术创新是数字化转型的底层基础,其创新成果决定了企业数字化转型效果[4]。然而,多数研究未对数字技术创新和数字化转型加以区分,通常将数字技术创新作为数字化转型的构成部分,着重从整体上分析数字化转型的作用,尚未分辨出数字技术创新的净效应[4]。基于此,本文试图探讨如下问题:上游企业数字技术创新能否促进下游企业绿色转型?其背后的作用机制是什么?上游企业数字技术创新对下游企业绿色转型的影响是否存在异质性?
本文边际贡献如下:第一,从供应链溢出视角拓展企业数字技术创新环境效应的相关研究。以往文献聚焦于数字技术创新对企业经济效益的影响,现有供应链网络相关研究主要考察数字化对供应链不同节点企业环境行为的影响[8,12-13],尚未涉及数字技术创新在供应链渠道中的环境溢出效应。基于此,本文探究上游企业数字技术创新对下游企业绿色转型的影响。第二,探讨上游企业数字技术创新牵引带动下游企业绿色转型的传导机制。以往研究主要关注数字化或数字赋能的前向溢出效应[8,14-15],尚未深入讨论数字技术创新对绿色转型的作用机制。本文从供应链企业互动视角出发,在理论和实证层面上揭示上游企业数字技术创新通过提升下游企业生产经营效率、绿色创新能力推动下游企业绿色转型。第三,从企业、行业和外部环境3个方面考察上游企业数字技术创新对下游企业绿色转型的异质性影响,为加快推进“数字中国”战略实施,实现经济绿色高质量发展提供可行路径。
数字技术创新是采用信息、计算、沟通和连接等数字技术组合,包括新产品开发、生产过程改进、组织模式变革及商业模式创新[16],具有技术含量高、环境成本低等特点,在提质增效的同时还能减少能耗。绿色转型强调以低能耗、低排放和高效率的绿色模式实现经济增长,结合绿色化内涵要求与数字技术创新特点看,数字技术创新与绿色转型要求相符。随着生产构成日益复杂,产品生产分工不断细化,企业在产品、生产方式等方面的变化可能通过供应链网络影响其他市场主体[8],即数字技术创新可能通过供应链传导影响下游企业生产行为,从而推动下游企业绿色转型。
(1)上游企业数字技术创新会对其向供应链下游企业提供的产品产生影响。数字技术创新在信息、技术和资源整合等方面的优势,有助于企业及时获取市场竞争信息、感知技术改进方向并整合绿色创新资源,从而提升绿色清洁产品研发创新力度[6],为下游企业提供更为清洁的中间品和服务,提高下游企业资源利用效率和能源使用效率[8]。
(2)上游企业数字技术创新与应用会促进下游企业生产技术变革。数字技术创新具有明显的融合性,能够突破产业、组织边界,使数字技术和数据要素在供应链上下游充分流动,推动下游企业技术创新,进而重构下游企业生产方式,赋能下游企业绿色转型。一方面,数字技术创新的研发、推广及应用会推动下游企业向智能化和数字化方向发展,有助于提升下游企业在环境监管、治理等方面的精准性,缩短下游企业对清洁生产技术的研发周期,并降低下游企业污染排放,从而减轻下游企业生产过程中非期望产出对环境的损害[6];另一方面,数字技术创新能够促使下游企业实现内部即时信息共享和业务协同,促进下游企业各部门间互联互通,从而提高下游企业生产经营各环节协同运作效率,使下游企业生产销售流程更加高效。因此,数字技术创新不仅能够显著提高资源利用效率和生产效益,而且兼顾生产方式对环境造成的负面影响,促进下游企业绿色转型。
(3)数字技术创新还可以渗透到企业生产活动全过程,驱动下游企业绿色化转型升级。数字技术创新通过向生态链外部溢出,形成更广域范围的数字升级,实现数字赋能全产业链,并以数据为基础构建全生产周期、全生产链条统一绿色标准,从而驱动下游企业绿色化转型[3]。基于此,本文提出如下假设:
H1:上游企业数字技术创新能促进下游企业绿色转型。
1.2.1 下游企业生产经营效率的作用机制
数字技术创新具有显著融合性和外部性,能够影响供应链上下游企业经营决策和财务策略,产生扩散效应(杨金玉等,2022),这为提升下游企业生产经营效率,从而推动下游企业绿色转型提供了契机。
(1)上游企业数字技术创新可以通过降低下游企业内部管控成本提升下游企业生产经营效率。通过技术溢出效应,上游企业数字技术创新与应用能够强化下游企业内部各层级之间、关联企业之间、制造商与零售商之间的信息传递、资源分享及协同运作,有助于供应链节点企业管理者对经营环境变化、实时业务需求作出有效快速反应,及时进行适应性调整,降低企业管理成本[4]。此外,数字技术创新嵌入有助于企业实时监控业务流程和各项费用支出,使运行过程变得更加透明,从而大幅降低企业监督成本。
(2)上游企业数字技术创新与应用的外部溢出效应有助于强化下游企业资产营运能力,进而提升下游企业生产经营效率。数字技术创新已融入企业运营活动全过程,能够对企业现有资源进行协调与分配,提升企业运营效率[17]。通过计算、连接等数字技术组合,企业可以挖掘和分析隐藏在其生产经营数据背后的有效信息,及时改进生产流程和调整生产方案,从而提升资产营运效率[11]。现有研究表明,生产经营效率改善能够引领企业向清洁、节能、高效的生产模式转变,推动企业绿色转型[2]。一方面,随着生产经营效率提升,企业在成本控制等活动中的精准性和灵活性增强,能将更多资金和资源投入研发创新和技术改进等环节,进而推动企业绿色生产和节能减排,为企业绿色转型提供支持;另一方面,较高的生产经营效率会降低企业资源错配程度,减少前端资源消耗,提高企业产能利用率[18],引领企业绿色化发展。综上,本文提出如下假设:
H2:上游企业数字技术创新可以通过提高下游企业生产经营效率促进下游企业绿色转型。
1.2.2 下游企业绿色创新能力的作用机制
企业绿色创新需要引入新的知识组合,结合更多不同领域技术,而企业数字技术创新强调对技术的组合运用,在延伸创新技术边界的同时,还能促进多个技术领域连接与渗透,从而提高下游企业绿色创新能力(屠西伟和张平淡,2024)。
(1)上游企业数字技术创新能够提高下游企业绿色产品创新水平,进而为下游企业绿色转型提供支撑。首先,随着公众环保意识增强以及政府与行业协会对绿色产品标准的要求提高,越来越多的企业倾向于选择绿色清洁产品和原材料。作为供应链网络中的关键节点,上游企业可以通过数字技术创新提升自身绿色化水平,进而提高产品和服务质量与环保度,为下游企业绿色产品创新提供支持。其次,数字技术创新不仅能借助自成长性推动新产品快速迭代与循环,从而改进产品设计,还会使产业、组织边界变得模糊,实现供应链企业间信息共享与知识整合[19],激励企业进行协同创新,为企业绿色产品创新提供技术支持。
(2)上游企业数字技术创新能够提高下游企业绿色工艺创新水平,进而推动下游企业绿色转型。数字技术创新能够在供应链网络中产生知识溢出,促使下游企业知识创新和技术进步,并应用于工艺设计、生产制造及回收利用等环节,从而改进下游企业现有生产工艺[20]。上游企业数字技术创新能够降低下游企业管理成本,促使下游企业将更多资金用于开发新的生产工艺、购买先进环保的生产设备,从而减少污染物排放,提升下游企业绿色工艺创新水平。现有研究表明,绿色创新不仅能够提升企业资源利用效率和治污能力,还可以降低企业污染排放,是推动企业绿色转型的关键[1,21]。一方面,绿色创新在生产前端的应用能够改进原有生产技术,促进生产流程绿色化变革,减少源头污染排放,保障企业生产经营的可持续性;另一方面,企业可以利用绿色创新进行末端污染治理,有效处理生产过程带来的污染副产品,促进企业绿色转型[22]。综上,本文提出如下假设:
H3:上游企业数字技术创新可以通过提升下游企业绿色创新能力促进下游企业绿色转型。
本文构建理论机制框架如图1所示。
图1 上游企业数字技术创新影响下游企业绿色转型的理论机制框架
Fig.1 Theoretical framework of the impact of digital technological innovation in upstream enterprises on the green transformation of downstream enterprises
(1)被解释变量:下游企业绿色转型(GTFP)。本文采用SBM模型测算企业绿色全要素生产率,以此表征下游企业绿色转型。参考陈诗一[23]的研究,投入和产出指标选取如下:第一,要素投入:劳动投入指标选取企业员工数表示;资本投入以永续盘存法计算的资本存量表示;能源投入以水、电、原煤、天然气、汽油、柴油和集中供热等能源使用量统一折算为标准煤总量表示。第二,期望产出:以企业营业收入衡量。第三,非期望产出:选取企业二氧化碳排放量表示。
(2)核心解释变量:上游企业数字技术创新(DigiInnot-1)。本文以上市公司各年度内数字专利授权数量测度数字技术创新。鉴于专利能够较为准确地刻画企业技术创新成果,参考陶锋等[4]、黄勃等(2023)的研究,并结合《数字经济核心产业分类与国际专利分类参照关系表(2023)》,先判断企业获得的授权专利是否属于数字技术领域,再对识别出的数字专利授权量进行加总,对其加1取自然对数后作为上游企业数字技术创新的测度指标。由于上游企业数字技术创新对下游企业绿色转型的影响可能存在滞后性,本文借鉴Isaksson等[24]的研究,对核心解释变量进行滞后一期处理。
(3)控制变量。参考相关文献[1-2],本文选取一系列企业和城市层面控制变量,包括下游企业数字技术创新(Cus_DigiInnot-1)、总资产(Totass)、企业规模(Size)、净资产收益率(ROA)、成长能力(Growth)、资产负债率(Lev)、经营性净现金流(Flow)、独立董事网络中心度(IDNC)、城市经济发展水平(GDP)、城市金融发展水平(Fin)。表1为相关变量的具体定义。
表1 变量定义
Table 1 Variable definitions
变量类型变量名称变量符号定义被解释变量下游企业绿色转型GTFP下游企业绿色全要素生产率核心解释变量上游企业数字技术创新DigiInnot-1上游企业数字专利+1后取自然对数控制变量下游企业数字技术创新Cus_DigiInnot-1下游企业数字专利+1后取自然对数总资产Totass总资产取自然对数企业规模Size员工人数取自然对数净资产收益率ROA净利润与总资产之比成长能力Growth营业收入增长率资产负债率Lev总负债/总资产经营性净现金流Flow经营活动产生的现金流量净额独立董事网络中心度IDNC企业独立董事同时在其他企业兼任的情况城市经济发展水平GDP人均地区生产总值取自然对数城市金融发展水平Fin地区金融机构存贷款余额与其生产总值之比
为检验上游企业数字技术创新对供应链下游企业绿色转型的影响,本文构建如下基准模型:
![]()
(1)
其中,下标i、t分别表示行业和年份;GTFPi,t表示下游企业绿色转型;DigiInnoi,t-1代表上游企业在第t-1期的数字技术创新水平;Controlsi,t表示本文选取的一系列控制变量;δi、μt分别代表行业固定效应与时间固定效应;εi,t为随机扰动项。
本文选取2009—2023年沪深A股上市公司作为研究样本,参考Isaksson等[24]的研究,构建上游企业—下游企业—年度数据集,例如上游企业(A)当年(2023年)可能对应多个下游企业(X、Y、Z),则构建A—X—2023、A—Y—2023、A—Z—2023的观测值。本文通过检索国泰安(CSMAR)数据库、中国研究数据服务平台(CNRDS)数据库并进行交叉比对,得到沪深A股上市企业前五大客户信息,并保留了上游企业与下游企业均为上市公司的样本。本文对样本企业进行如下处理:①剔除样本内上下游企业属于金融类行业的样本;②剔除上游企业或下游企业是ST、*ST和PT等经营异常的样本;③剔除上游企业和下游企业变量数据存在缺失的样本。本文其它数据来源如下:上市公司基本特征和相关财务数据来源于CSMAR数据库以及CNRDS数据库,上市公司能源消耗和碳排放数据来源于上市公司年报、社会责任报告、可持续发展报告以及环境报告。
描述性统计与相关性分析结果如表2所示。
表2 描述性统计与相关性分析结果
Table 2 Descriptive statistics and correlation analysis
变量GTFPDigiInnot-1Cus_DigiInnot-1TotassSizeROAGrowthLevFlowIDNCGDPFinGTFP1.000DigiInnot-10.142∗∗∗1.000Cus_DigiInnot-10.328∗∗∗0.144∗∗∗1.000Totass0.553∗∗∗0.058∗∗0.185∗∗∗1.000Size0.693∗∗∗0.102∗∗∗0.361∗∗∗0.574∗∗∗1.000ROA0.040∗-0.011-0.0320.054∗∗0.0011.000Growth0.006-0.007-0.0210.003-0.036-0.0121.000Lev0.187∗∗∗-0.0190.0100.242∗∗∗0.350∗∗∗-0.387∗∗∗0.087∗∗∗1.000Flow0.281∗∗∗0.041∗0.107∗∗∗0.275∗∗∗0.392∗∗∗0.242∗∗∗-0.087∗∗∗-0.0111.000IDNC-0.0060.041∗-0.0020.0230.067∗∗∗0.0350.0040.0340.0321.000GDP0.287∗∗∗0.052∗∗0.165∗∗∗0.316∗∗∗0.194∗∗∗-0.0160.0270.045∗0.139∗∗∗0.143∗∗∗1.000Fin0.287∗∗∗0.0360.065∗∗∗0.805∗∗∗0.169∗∗∗0.066∗∗∗-0.009-0.0040.119∗∗∗0.0360.421∗∗∗1.000Observations1 8191 8191 8191 8191 8191 8191 8191 8191 8191 8191 8191 819Mean0.5710.0020.04110.8379.5170.0420.1750.56218.7260.37711.1354.382St.dev0.1400.0190.1383.2351.6900.0550.9450.1667.3970.3630.8141.870Min0.3040.0000.0006.4704.663-0.633-2.6240.0400.0000.0008.8630.793Med0.5340.0000.00110.3479.4510.0350.0590.58220.9040.33011.3233.985Max1.0000.3931.51728.64413.2530.46433.7260.97326.8282.00012.2307.976
注:***、**、*分别表示1%、5%、10%显著性水平,下同
表3报告了供应链上游企业数字技术创新对下游企业绿色转型影响的实证结果。列(1)报告了未加入控制变量的结果,回归结果显示,供应链上游企业数字技术创新(DigiInnot-1)对下游企业绿色转型(GTFP)影响的回归系数为0.189,且在1%水平上显著。列(2)进一步引入控制变量,回归结果显示,上游企业数字技术创新(DigiInnot-1)的系数为0.174,同样在1%水平上显著。这说明,上游企业数字技术创新能够促进下游企业绿色转型,假设H1得以验证。
表3 基准回归结果
Table 3 Results of the baseline regression
变量(1)(2)DigiInnot-10.189∗∗∗0.174∗∗∗(0.056)(0.043) Cus_DigiInnot-10.023(0.026)Totass0.059∗∗∗(0.011)Size-0.020∗(0.010)ROA0.085∗(0.050)Growth-0.007(0.005)Lev-0.044∗(0.024)Flow-0.001(0.001)IDNC0.002(0.008)GDP0.006(0.003)Fin0.004∗∗(0.002)Constant0.570∗∗∗0.067(0.001)(0.064)Ind是是Year是是N1 8191 819R20.6810.831
注:括号内为聚类至行业层面的标准误;四舍五入保留小数点后三位,数值过小的标记为0.001,下同
(1)排除竞争性解释。本文认为,上游企业数字技术创新能够沿供应链产生环境溢出效应,从而推动下游企业绿色转型。然而,上游企业数字技术创新对下游企业绿色转型的溢出效应也可能通过其它非供应链途径发挥作用。例如,当上游企业与下游企业处于同一地区或距离较近时,数字技术创新的环境溢出效应还可能混杂如空间溢出等非供应链途径。为了检验上游数字技术创新对下游企业绿色转型的影响是否包含其它非供应链的溢出途径,本文进一步将上游企业与下游企业是否在同一省份(Prov)、是否在同一城市(City)、是否空间邻近(Prox)作为调节变量与上游企业数字技术创新(DigiInnot-1)交乘,引入式(1)进行回归,估计结果见表4。可以看出,上游企业和下游企业是否处于同省份、同城市、地理邻近与滞后一期上游企业数字技术创新的交乘项系数均不显著。上述结果说明,在可能产生空间溢出效应的外部环境下,上游企业数字技术创新不会对下游企业绿色转型产生影响。由此表明,上游企业数字技术创新主要通过供应链途径对下游企业产生环境溢出效应。
表4 稳健性检验结果:排除竞争性解释
Table 4 Robustness test results: exclusion of competing explanations
变量(1)(2)(3)DigiInnot-10.171∗∗∗0.176∗∗∗0.167∗∗∗(0.052)(0.064)(0.051)Prov×DigiInnot-10.022(0.079)City×DigiInnot-1-0.013(0.153)Prox×DigiInnot-10.042(0.071)控制变量是是是Ind是是是Year是是是常数项0.0670.0670.067(0.064)(0.064)(0.064)N1 8191 8191 819R20.8310.8310.831
(2)更改样本。为排除新冠疫情对研究结论的冲击,本文剔除2020—2022年数据并重新进行回归分析。表5列(1)报告了更改样本的估计结果,上游企业数字技术创新(DigiInnot-1)的系数依然显著为正,证实了基准结论的稳健性。
表5 稳健性检验结果:更改样本与替换变量
Table 5 Robustness test results: changing the samples and replacing variables
变量更改样本(1)替换解释变量(2)替换被解释变量(3)(4)DigiInnot-10.229∗∗∗-1.489∗∗∗13.053∗(0.037)(0.340)(7.535)DigiInno1t-10.215∗∗∗(0.044)控制变量是是是是Ind是是是是Year是是是是常数项0.0770.063-5.312∗∗∗-39.757∗∗∗(0.063)(0.064)(0.303)(7.960)N1 4211 8191 8191 819R20.8100.8310.9650.575
(3)替换解释变量的衡量指标。在基准回归中,本文基于分类号筛选企业数字专利授权量,使用主分类号重新筛选企业数字专利,以此度量上游企业数字技术创新水平(DigiInnot-1),回归结果见表5列(2)。结果显示,在替换自变量测度方式后,回归结果与基准回归结果一致。
(4)替换被解释变量的衡量指标。首先,参考韩超和李鑫平[25]的研究,本文使用企业SO2排放量占企业营业总收入的比重度量企业绿色转型,并对各单项指标进行无量纲化处理;其次,参考张建平和李林泽[26]的研究,本文使用企业ESG表现替代基准回归中的企业绿色转型指标。表5列(3)(4)报告了替换被解释变量的回归结果。从列(3)可知,上游企业数字技术创新能够降低下游企业污染排放,推动下游企业绿色转型。列(4)显示,上游企业数字技术创新促进了下游企业绿色转型。由此表明,基准结论依然成立。
(5)增加固定效应与调整聚类标准误。首先,考虑到企业所在地区经济条件与其生产经营行为具有直接关联,本文分别控制省份固定效应与城市固定效应,以排除地区层面经济环境因素带来的遗漏变量影响。回归结果如表6列(1)(2)所示,上游企业数字技术创新对下游企业绿色转型影响的回归系数显著为正,说明本文结论稳健。其次,考虑到处于同一城市或省份企业可能存在产业关联性,对企业绿色转型产生不同影响。本文借鉴庄宗武等[27]的研究,将标准误聚类至城市及省份层面进行回归分析,结果分别见表6列(3)(4)。可以看出,在更换聚类标准后,DigiInnot-1的系数依然显著为正,再次证实本文结果稳健。
表6 稳健性检验结果:增加固定效应、调整聚类标准误以及更换模型
Table 6 Robustness test results:adding fixed effects, adjusting the cluster standard error, and replacing the model
变量(1)(2)(3)(4)(5)DigiInnot-10.163∗∗0.166∗∗0.174∗∗0.174∗∗0.174∗∗∗(0.062)(0.067)(0.074)(0.076)(0.043)控制变量是是是是是Ind是是是是是Year是是是是是Province是否否否否City否是否否否常数项0.166∗∗0.435∗0.0670.0670.016(0.063)(0.232)(0.068)(0.066)(0.061)N1 8191 8161 8161 8191 819R20.8460.8690.8310.831
(6)更换计量模型。考虑到下游企业绿色全要素生产率具有明显范围限制,其取值范围为(0,1),因而采用针对删失数据的Tobit模型进行回归。表6列(5)显示,上游企业数字技术创新(DigiInnot-1)的系数仍显著为正,模型设定差异不会对本文基准回归结果产生影响,基准结论仍然成立。
3.3.1 工具变量法
借鉴杨金玉等(2022)的研究思路,本文采用数字技术创新指标与按行业二级编码和省份分类的数字技术创新指标均值差额的三次方作为工具变量(IV),并运用两阶段最小二乘法(2SLS)进行回归。一方面,企业在制定数字创新决策时通常会参考同行业内其它企业数字技术创新情况[4],因而该工具变量满足相关性要求;另一方面,行业数字技术创新的均值并不直接影响本公司绿色转型,即满足排他性要求。
表7列(1)(2)为工具变量法的回归结果,第一阶段F检验结果表明不存在弱工具变量问题;Kleibergen-Paap rk LM统计量在10%水平上显著,说明不存在识别不足问题;Cragg-Donald Wald F统计量大于临界值,拒绝弱工具变量的原假设,证明本文工具变量选取合理。列(1)为工具变量第一阶段的回归结果,工具变量(IV)的回归系数在10%水平上显著为正。列(2)是第二阶段的回归结果,上游企业数字技术创新的回归系数仍显著为正,说明在考虑内生性因素后,上游企业数字技术创新对下游企业绿色转型具有显著促进作用。综上,本文结论依旧稳健。
表7 工具变量法及Heckman两阶段方法检验结果
Table 7 Test results of instrumental variable method and Heckman two-stage method
变量工具变量法(1)(2)Heckman两阶段方法(3)(4)DigiInnot-11.415∗0.118∗∗(0.777)(0.049)IV0.002∗(0.001)IMR0.156∗∗∗(0.056)控制变量是是是是Ind是是是是Year是是是是常数项2.415∗∗∗0.103(0.612)(0.063)N1 8151 81537 5151 694Pseudo R2/ R20.0960.805F统计量3.21∗Kleibergen-Paap rk LM statistic2.772∗Cragg-Donald Wald F statistic159.075[16.38]
注:方括号内为在10%水平上Stock-Yogo弱工具变量识别F检验的临界值
3.3.2 Heckman两阶段模型回归
参照唐松和谢雪妍(2021)的选择,运用Heckman两阶段模型对该问题进行分析。在第一阶段,将“是否披露主要客户具体信息”(若披露,则虚拟变量取1,否则为0)作为因变量,并以企业规模、净资产收益率、成长能力、资产负债率、经营性净现金流、独立董事网络中心度作为自变量使用Probit模型回归。在第二阶段,将计算出的逆米尔斯比率(IMR)纳入模型(1)进行回归。表7列(4)显示,在考虑样本选择偏差后,上游企业数字技术创新(DigiInnot-1)的系数仍显著为正,本文主要结论成立。
前文理论分析认为,上游企业数字技术创新可能通过提升下游企业生产经营效率以及绿色创新能力推动下游企业绿色转型。鉴于此,本文参考温忠麟和叶宝娟[28]的研究,在模型(1)的基础上,构建如下中介效应模型进行检验:
![]()
(2)
![]()
(3)
其中,Mechanismi,t为中介变量,γ1为直接效应,β1γ2表示中介变量的中介效应,其它变量含义与基准模型一致。本文采用Bootstrap法进行中介机制检验。
3.4.1 下游企业生产经营效率机制
本文理论分析指出,上游企业数字技术创新不仅会改变企业生产经营方式、提高生产率,还会通过供应链传导至下游企业[14],促使下游企业实现更为高效和精细的流程管理,进而降低运营成本、优化现有资产配置与利用,助推下游企业绿色转型。基于此,本文借鉴已有研究[4,29],选取财务费用率(Manage1)和总资产周转率(Manage2)反映企业生产经营效率,回归结果见表8列(1)~(4)。列(1)(2)是下游企业财务费用率的中介效应检验结果,列(1)中上游企业数字技术创新(DigiInnot-1)的估计系数在5%水平上显著为负,列(2)中财务费用率(Manage1)的系数在1%水平上显著为负,且Bootstrap检验显示,95%的置信区间不包含0,中介效应值显著为正;列(3)(4)是下游企业总资产周转率的中介效应检验结果,列(3)中上游企业数字技术创新(DigiInnot-1)的系数在1%水平上显著为正,列(4)中总资产周转率(Manage2)的系数在1%水平上显著为正,且Bootstrap检验显示,95%的置信区间不包含0,中介效应值显著为正。以上结果表明,上游企业数字技术创新可以显著提升下游企业生产经营效率,推动下游企业绿色转型。由此,假设H2得到验证。
表8 作用机制检验结果
Table 8 Mechanism test results
变量生产经营效率Manage1GTFPManage2GTFP(1)(2)(3)(4)绿色创新能力GTGTFPGPIGTFP(5)(6)(7)(8)DigiInnot-1-0.036∗∗0.148∗∗∗1.330∗∗∗0.069∗5.394∗∗∗0.1110.502∗∗∗0.165∗∗∗(0.014)(0.038)(0.122)(0.038)(0.799)(0.078)(0.103)(0.041)Manage1-0.739∗∗∗(0.219)Manage20.079∗∗∗(0.008)GT0.012∗∗(0.006)GPI0.019∗∗(0.009)控制变量是是是是是是是是Ind是是是是是是是是Year是是是是是是是是常数项0.0130.0760.2030.051-2.055∗∗∗0.091-0.432∗∗0.075(0.016)(0.061)(0.262)(0.062)(0.698)(0.065)(0.211)(0.061)N1 8191 8191 8191 8191 8191 8191 8191 819R20.4970.8380.4370.8660.6630.8340.4810.832Indirect0.026∗∗∗0.105∗∗∗0.064∗∗∗0.009∗∗(0.007)(0.029)(0.018)(0.004)95%置信区间[0.013,0.040][0.048,0.162][0.028,0.099][0.001,0.018]
3.4.2 下游企业绿色创新能力机制
基于前文理论分析,上游数字技术创新可以通过推动下游企业绿色创新赋能企业绿色转型。首先,借鉴王博和康琦[20]、Xu等[30]的研究,本文以绿色发明专利授权数量加1取自然对数测度企业绿色产品创新(GT)。其次,借鉴席龙胜和赵辉[31]、解学梅等[32]的研究,本文综合企业末端降污技术和企业清洁生产实施情况得到企业绿色工艺创新(GPI)的代理指标,检验结果见表8列(5)~(8)。列(5)(6)是下游企业绿色产品创新的中介效应检验结果,列(5)中上游企业数字技术创新(DigiInnot-1)的估计系数在1%水平上显著为正,列(6)中企业绿色产品创新(GT)的系数在5%水平上显著为正,且Bootstrap检验显示,95%的置信区间不包含0,中介效应值显著为正;列(7)(8)是下游企业绿色工艺创新的中介效应检验结果,列(7)中上游企业数字技术创新(DigiInnot-1)的系数在1%水平上显著为正,列(8)中绿色工艺创新(GPI)的系数在5%水平上显著为正,且Bootstrap检验显示,95%的置信区间不包含0,中介效应值显著为正。由以上结果可知,上游企业数字技术创新通过提高下游企业绿色创新能力推动下游企业绿色转型。由此,验证了H3。
4.1.1 企业生命周期阶段
根据企业生命周期理论,处于不同生命阶段的企业在经营策略、研发能力以及知识吸收能力上存在差异。本文根据企业年龄中位数,将下游企业划分为成长期和非成长期两组,检验上游企业数字技术创新对下游企业绿色转型的影响。表9列(1)(2)是企业生命周期阶段分组检验结果,回归结果显示,上游企业数字技术创新的系数均显著为正,但相较于非成长期企业,成长期企业数字技术创新系数值较大,经由Bootstrap法1 000次得到的组间系数差异p值为0.046,这证明上游企业数字技术创新(DigiInnot-1)回归系数在成长期企业和非成长期企业之间具有显著性差异。以上结果表明,上游企业数字技术创新对成长期企业绿色转型的推动作用更显著。可能原因如下:一方面,成长期企业尚未形成稳定的盈利模式,难以从经营活动中获得充足的资源进行数字技术创新,而上游企业数字技术创新优化了数字经济环境,带来的技术溢出效应提升了下游成长期企业内部数字化水平,能够更好地满足其可持续发展要求,从而促进企业绿色转型;另一方面,成长期企业处于快速发展阶段,能够快速响应外部环境变动,积极承接和吸收上游企业技术溢出,进而降低污染排放。因此,相比于非成长期企业,上游企业数字技术创新对下游成长期企业绿色转型的溢出效应更为显著。
表9 企业特性异质性检验结果
Table 9 Heterogeneity test results of firm characteristics
变量成长期企业非成长期企业规模较小规模较大(1)(2)(3)(4)DigiInnot-10.271∗∗∗0.088∗∗∗0.6740.161∗∗(0.090)(0.024)(0.488)(0.059)控制变量是是是是Ind是是是是Year是是是是常数项0.1040.0540.145∗∗-0.191(0.074)(0.101)(0.070)(0.151)N871948909910R20.8490.8500.6270.863费舍尔组合检验P-value0.0460.008
4.1.2 企业规模
不同规模企业在资源禀赋上存在显著差异,其外部资源获取和应用能力也有所不同。本文利用企业规模中位数,将下游企业分为规模较小企业和规模较大企业两组进行回归。表9列(3)(4)是企业规模分组检验结果,回归结果显示,在较大规模企业组别中,上游企业数字技术创新的系数显著为正;在较小规模企业组别中,上游企业数字技术创新的系数为正但不显著,且组间差异通过了显著性检验。可能原因如下:规模较大企业通常拥有丰富的内外部资源和稳定的上下游渠道,更容易获取上游企业数字技术创新的知识溢出,促进数字技术在企业生产经营活动中的应用,从而实现更清洁的生产,推动下游企业绿色转型。规模较小企业资源基础相对薄弱,难以有效获取、整合及利用上游企业数据资源[13],导致上游企业数字技术创新的影响效应不显著。因此,上游企业数字技术创新的前向溢出效应对下游规模较大企业绿色转型的促进作用更为显著。
4.2.1 行业竞争程度
不同竞争程度行业数字技术创新效果存在差异,可能会对企业绿色转型产生影响。本文以勒纳指数表示行业竞争程度,并以勒纳指数的中位数将下游企业分为高竞争行业企业和低竞争行业企业两组。由表10列(1)(2)可知,在高竞争行业组别中,上游企业数字技术创新对下游企业绿色转型影响的回归系数显著为正;在低竞争行业组别中,上游企业数字技术创新对下游企业绿色转型的影响不显著。可能原因如下:当所在行业竞争激烈时,下游企业更有动力吸收上游企业数字技术创新并将其嵌入于自身生产管理各环节,优化生产流程和提升资源配置效率,从而推动企业绿色转型。因此,在竞争程度更加激烈的行业中,上游企业数字技术创新对下游企业绿色转型的作用更为突出。
表10 行业特性异质性检验结果
Table 10 Heterogeneity test results of industry characteristics
变量高竞争行业低竞争行业高科技行业非高科技行业(1)(2)(3)(4)DigiInnot-10.144∗∗0.2670.5490.132∗∗∗(0.065)(0.313)(0.499)(0.037)控制变量是是是是Ind是是是是Year是是是是常数项0.1230.0350.0450.076(0.082)(0.064)(0.087)(0.116)N9189011 000819R20.8690.8110.7420.890费舍尔组合检验P-value0.0840.005
4.2.2 行业科技属性
上游企业数字技术创新对下游企业绿色转型的影响可能因所属行业的科技属性不同而存在差异。根据上市公司所属行业,本文将下游企业样本总体划分为高科技行业企业和非高科技行业企业两组。表10列(3)(4)显示,当下游企业处于高科技行业时,上游企业数字技术创新的系数不显著,而当企业处于非高科技行业时,上游企业数字技术创新的系数显著为正。可能原因如下:非高科技行业属于传统产业,其主导技术相对稳定,行业技术活跃度不足[4],因而需要借助新兴技术推动原有技术体系和业务流程变革。作为新兴技术,数字技术创新对其它产业具有较强的渗透力,有助于改变传统产业产品体系、生产流程、治理结构以及商业模式[16],进而推动下游企业绿色转型。因此,在非高科技行业组别中,上游企业数字技术创新对下游企业绿色转型的影响更大。
4.3.1 知识产权保护
企业绿色转型可能因知识产权保护程度差异而有所不同。借鉴黄勃等(2023)的做法,本文使用下游企业所在地区知识产权保护指数衡量知识产权保护状况(Property),并根据其中位数将样本划分为知识产权保护较强和知识产权保护较弱两组。表11列(1)汇报了上游企业数字技术创新与知识产权保护状况交互项(DigiInnot-1×Property)的回归结果。结果显示,知识产权保护程度越高,上游企业数字技术创新对下游企业绿色转型的促进作用越强。可能原因如下:高水平知识产权保护会提高知识产权侵权成本,增强企业数字专利的技术独占性,从而更好地发挥数字技术创新的环境溢出效应。
表11 外部环境异质性检验结果
Table 11 Heterogeneity test results of the external environment
变量知识产权保护分析师关注度(1)(2)DigiInnot-10.131∗∗∗0.138∗∗∗(0.039)(0.028)DigiInnot-1×Property0.167∗∗∗(0.040)DigiInnot-1×Analyst0.084∗(0.049)控制变量是是Ind是是Year是是常数项0.0670.058(0.064)(0.062)N1 8191 819R20.8310.831
4.3.2 分析师关注度
不同的分析师关注度会造成外部监督作用存在差异,从而影响下游企业绿色转型。本文利用跟踪企业的分析师人数衡量分析师关注度(Analyst),并按照分析师关注度中位数将下游企业样本划分为分析师关注度较高和分析师关注度较低两组。表11列(2)显示了上游企业数字技术创新与分析师关注度交互项(DigiInnot-1×Analyst)的回归结果,分析师关注度越高,上游企业数字技术创新对下游企业绿色转型的促进作用越强。可能原因如下:分析师能够利用专业能力协助利益相关者解读企业环境信息,从而对企业施压,推动企业进行绿色创新和清洁生产,激励企业加快绿色转型。
绿色发展是高质量发展的底色,新质生产力本身就是绿色生产力。近年来,数字技术创新不断迭代,成为全球科技革命和产业革命的先导力量,也是新质生产力引领高质量发展的主要形态。本文从供应链上纵向关联视角出发,以2009—2023年A股上市公司及其客户企业为研究对象,探讨上游企业数字技术创新对下游企业绿色转型的影响,得出以下主要结论:
(1)数字技术创新在供应链渠道中具有显著环境溢出效应,即上游企业数字技术创新显著促进下游企业绿色转型。经过排除非供应链的溢出途径、更改样本、替换解释变量与被解释变量的衡量指标、增加固定效应和调整聚类标准误等一系列稳健性检验以及考虑内生性问题后,该结论依旧成立。
(2)机制检验表明,上游企业数字技术创新主要通过提高下游企业生产经营效率、绿色创新能力推动下游企业绿色转型。
(3)异质性分析表明,上游企业数字技术创新对下游企业绿色转型的促进作用在不同企业、不同行业以及不同外部环境存在显著差异,在成长期企业、规模较大企业、竞争性行业以及非高科技行业中的作用效果更为明显,知识产权保护强度和分析师关注度提升均会增强上游企业数字技术创新的环境溢出效应。
(1)加大对上游企业数字技术创新的支持力度。充分发挥上游企业的示范效应和赋能作用,首先,深刻认识到数字技术的连接与沟通功能,通过宏观政策引导和鼓励企业改变碎片化的数字化部署策略,打破供应链各环节的“数据孤岛”,充分释放数字资源的高价值潜力;其次,制定相关税收优惠政策、财政补贴政策以支持企业加强数字技术创新与应用,激发企业技术创新的积极性,引导企业利用数字技术改进生产方式与组织管理模式,以此赋能企业绿色转型;最后,评选数字技术创新成效显著的优秀供应链企业,建立典型示范供应链企业库,分享其可复制、易推广的经验,有效辐射和带动其它企业,进而推动供应链可持续发展。对于下游企业而言,应充分利用供应链关系提升可持续发展水平,通过在外部市场中学习上游企业数字技术创新的过程和经验,加强数字技术引进和研发,提高生产设备数智化程度,加快培育数字经济新优势和绿色发展新动能。
(2)重视上游企业数字技术创新对下游企业生产经营效率和绿色创新能力的关键作用。上游企业应加强与下游企业沟通及合作,完善与优化供应链协作机制,充分发挥数字协同治理功能,加强数字技术在企业组织结构、管理模式和治理方式等领域的融合与运用,加快数字化生产线、数字化分析决策等数字化系统建设,从而提升生产经营效率。同时,政府部门营造良好的供应链绿色创新生态,鼓励数字技术创新在供应链中的应用,通过搭建数字平台统筹绿色创新资源,推动上下游企业建立绿色创新合作关系。
(3)根据企业、行业和外部环境分类施策。首先,在成长期企业、规模较大企业和非高科技行业中,上游企业数字技术创新对下游企业绿色转型的影响效果更为显著,但这些企业可能存在研发经费和数字人才短缺问题。因此,需构建配套财政补贴政策和人才培养体系,减轻企业税费负担,为企业创新活动提供资金支持。其次,低竞争程度行业可能缺乏数字技术创新动力,深化市场化改革,营造公平的市场竞争环境,进一步推动各行业市场化改革,进而提高行业竞争水平。再次,制定数字专利确权和交易相关制度,为企业数字专利流通与应用营造良好的外部环境,充分发挥上游企业数字技术创新对下游企业绿色转型的赋能作用。最后,充分发挥分析师等资本市场中介的传导作用,鼓励分析师在执业过程中引导企业提高生产经营活动的绿色化水平。
本文存在以下不足:第一,鉴于数据可得性,本研究使用上市公司数据,未能覆盖中小企业,而中小企业在供应链中也发挥着重要作用。未来可结合非上市企业数据或行业调查数据,更全面地揭示数字技术创新的影响。第二,进一步细化研究样本。考虑到不同行业中企业供应链关系特征、数字技术创新水平与绿色转型程度差异,未来可进一步探讨某行业中企业数字技术创新对供应链企业绿色转型的影响。
[1] 胡洁,于宪荣,韩一鸣.ESG评级能否促进企业绿色转型——基于多时点双重差分法的验证[J].数量经济技术经济研究,2023,40(7):90-111.
[2] 胡海波,费梅菊,王怡琴,等.绿色转型情境下企业绿色创新实现过程——正邦案例研究[J].科技进步与对策,2023,40(5):84-95.
[3] 曹裕, 李想, 胡韩莉, 等. 数字化如何推动制造企业绿色转型——资源编排理论视角下的探索性案例研究[J]. 管理世界, 2023, 39(3): 96-112, 126, 113.
[4] 陶锋, 朱盼, 邱楚芝, 等. 数字技术创新对企业市场价值的影响研究[J]. 数量经济技术经济研究, 2023, 40(5): 68-91.
[5] LUO S Y, YIMAMU N, LI Y R, et al. Digitalization and sustainable development: how could digital economy development improve green innovation in China[J]. Business Strategy and the Environment, 2023, 32(4): 1847-1871.
[6] 韩峰, 黄敏, 姜竹青. 企业数字化、网络地位与污染减排[J]. 世界经济, 2024, 47(2): 204-232.
[7] 洪银兴,王坤沂.新质生产力视角下产业链供应链韧性和安全性研究[J].经济研究,2024,59(6):4-14.
[8] 戴翔,杨双至.数字赋能、数字投入来源与制造业绿色化转型[J].中国工业经济,2022,40(9):83-101.
[9] 申晨荣,高波.数字技术创新、跨行业技术溢出与企业环境绩效——基于上市公司数字专利研发视角[J].山西财经大学学报,2023,45(12):1-15.
[10] HUANG Q Y, XU C H, XUE X L, et al. Can digital innovation improve firm performance: evidence from digital patents of Chinese listed firms[J]. International Review of Financial Analysis, 2023, 89: 102810.
[11] 张伟,马妮娜,马昭双.数字技术、技术商业化能力与商业模式创新——环境不确定性的调节作用[J].科技进步与对策,2025,42(4):12-21.
[12] 肖红军, 沈洪涛, 周艳坤. 客户企业数字化、供应商企业ESG表现与供应链可持续发展[J]. 经济研究, 2024, 59(3): 54-73.
[13] 王欣然, 陶锋. 下游企业数字化可以牵引上游企业绿色创新吗——基于供应链溢出的视角[J]. 南方经济, 2024,42(5): 132-149.
[14] 程于思,宋培,李琳,等.数字化转型的行业技术升级效果及溢出效应[J].统计与决策,2023,39(11):183-188.
[15] 张涛,李雷.企业数字化转型的供应链溢出效应——客户与供应商双重视角[J].科技进步与对策,2024,41(12):82-92.
[16] 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.
[17] MENDLING J, PENTLAND B T, RECKER J. Building a complementary agenda for business process management and digital innovation[J]. European Journal of Information Systems, 2020, 29(3): 208-219.
[18] MIKALEF P, PATELI A. Information technology-enabled dynamic capabilities and their indirect effect on competitive performance: findings from PLS-SEM and fsQCA[J]. Journal of Business Research, 2017, 70: 1-16.
[19] NAMBISAN S, LYYTINEN K, MAJCHRZAK A, et al. Digital innovation management[J]. MIS Quarterly, 2017, 41(1): 223-238.
[20] 王博,康琦.数字化转型与企业可持续发展绩效[J].经济管理,2023,45(6):161-176.
[21] 邝嫦娥,刘江月,李文意.数智融合赋能与制造业企业绿色转型[J].当代财经,2024,45(5):114-127.
[22] WANG Y Z, HANG Y, WANG Q W, et al. Cleaner production vs end-of-pipe treatment: evidence from industrial SO2 emissions abatement in China[J]. Journal of Environmental Management, 2021, 277: 111429.
[23] 陈诗一. 中国的绿色工业革命: 基于环境全要素生产率视角的解释(1980—2008)[J]. 经济研究, 2010, 45(11): 21-34, 58.
[24] ISAKSSON O H D, SIMETH M, SEIFERT R W. Knowledge spillovers in the supply chain: evidence from the high tech sectors[J]. Research Policy, 2016, 45(3): 699-706.
[25] 韩超,李鑫平.在自动化中推动企业绿色转型:技术进步与产品重构效应[J].数量经济技术经济研究,2023,40(4):72-93.
[26] 张建平,李林泽.绿色金融、绿色政策与实体企业的绿色转型[J].中国人口·资源与环境,2023,33(10):47-60.
[27] 庄宗武,叶振宇,张可云.产业链龙头企业、超大规模市场与制造业劳动生产率[J].经济学动态,2024,65(1):54-73.
[28] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.
[29] 李万利,潘文东,袁凯彬.企业数字化转型与中国实体经济发展[J].数量经济技术经济研究,2022,39(9):5-25.
[30] XU A, ZHU Y, WANG W. Micro green technology innovation effects of green finance pilot policy——from the perspectives of action points and green value[J]. Journal of Business Research, 2023, 159: 113724.
[31] 席龙胜,赵辉.高管双元环保认知、绿色创新与企业可持续发展绩效[J].经济管理,2022,44(3):139-158.
[32] 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.