Is Digital Empowerment "Production Oriented" or "Environmentally Friendly"? Micro Evidence from Enterprise Digital Transformation
-
摘要: 由企业推动的数字化转型是我国“十四五”时期深入推进数字中国建设的重要任务，以中国上市公司数据为研究样本，借助文本数据挖掘方法和计量经济学模型，全面探究企业数字化转型对生产效率和环境效率的影响、作用渠道及改善路径。研究发现：(1)当前中国企业的数字化转型为“生产导向”而非“环境友好”，即它能显著提升企业生产效率而不利于环境治理；(2)企业数字化转型通过提高公司治理水平、减少信息不对称和增强创新激励提升了生产效率，但数字化转型提高了企业经营成本，不利于环境效率改善；(3)异质性分析表明，企业数字化转型对生产效率和环境效率的作用效果在资源型城市、东部城市、国有企业以及高污染行业较为明显；(4)环境政策能在一定程度上改善企业数字化转型对环境的影响，其中低碳城市试点政策的改善效果最为显著；(5)稳健性检验发现，区块链技术、数字平台应用对企业生产效率提升作用较为显著，人工智能技术和大数据技术则可能成为企业规避环境披露的技术手段，数字化转型降低了环境治理行动、环境内部管理和环境监管认证的意愿；(6)国家级大数据试验区和“宽带中国”试点政策对企业呈现了趋于一致的生产效率和环境效率影响，佐证了企业数字化转型的作用效果。因此，应持续推进企业数字化转型，加强数字技术的绿色导向，增进不同城市和企业间的区域协作能力，充分发挥政策间协同效果，以实现经济增长和环境保护的双赢目标。Abstract: The digital transformation driven by enterprises is an important task to further promote the construction of digital China during the 14th Five-Year Plan period in China. Taking the data of Chinese listed companies as research samples, with the help of text data mining methods and econometric models, this paper comprehensively explores the impact of digital transformation on production efficiency and environmental efficiency, its channels of action and improvement paths. It is found that the current digital transformation of Chinese enterprises is "production oriented" rather than "environmentally friendly", that is, it can significantly improve enterprise productivity and is not conducive to environmental governance. Enterprise digital transformation improves production efficiency by improving corporate governance, reducing information asymmetry and innovation incentives, but digital transformation increases enterprise operating costs, which is not conducive to environmental efficiency improvement. The heterogeneity analysis shows that the effect of enterprise digital transformation on production efficiency and environmental efficiency is more obvious in resource-based cities, eastern cities, state-owned enterprises and high pollution industries. Environmental policies can improve the impact of enterprise digital transformation on the environment to a certain extent, and the improvement effect of low-carbon city pilot policies is the most significant. Robustness test indicates that blockchain technology and digital platform applications have significantly improved enterprise production efficiency, while artificial intelligence technology and big data technology may become technical means for enterprises to avoid environmental disclosure. Digital transformation reduces the willingness of environmental governance actions, internal environmental management and environmental supervision certification. The national big data pilot zone and the pilot policy of "BRoadband China" have shown a consistent impact on the production efficiency and environmental efficiency of enterprises, supporting the effect of enterprise digital transformation. Therefore, we should continue to promote the digital transformation of enterprises, strengthen the green orientation of digital technology, enhance the regional cooperation ability between different cities and enterprises, and give full play to the synergy effect between policies to achieve the win-win goal of economic growth and environmental protection.
-
表 1 企业环境效率的三个维度及测度
环境治理行动 环境内部管理 环境内部管理 废气减排治理情况 环保理念 重点污染监控单位 废水减排治理情况 环保目标 污染物排放达标 粉尘、烟尘治理情况 环保管理制度体系 突发环境事故 固废利用与处置情况 环保教育与培训 环境违法事件 噪声、光污染、辐射等治理 环保专项行动 环境信访案件 清洁生产实施情况 环境事件应急机制 是否通过ISO14001认证 环保荣誉或奖励 是否通过ISO9001认证 “三同时”制度 
下载: 导出CSV
表 2 企业数字化转型的六个维度及测度
数字管理应用 人工智能技术 云计算技术 区块链技术 大数据技术 数字平台应用 数字化 自动化 物联网 区块链 数据集成 网络 数字营销 5G 边缘计算 数字货币 数据融合 互联网 数字科技 智慧时代 云计算 数据信息 电子商务 数字技术 智慧建设 云服务 数据管理 跨境电商 数字运营 智慧业务 云端 数据资产 电商平台 数字终端 智能 大数据 电子技术 数字经济 3D打印 电子科技 数字贸易 3D技术 线上 数字体系 3D工具 线上线下 数字供应链 AI O2O 信息时代 机器人 B2B 信息化 机器学习 C2C 信息技术 P2P 信息集成 C2B 信息通信 B2C 计算机技术
下载: 导出CSV
表 3 描述性统计结果
变量类别 具体变量 符号 观测值 平均数 中位数 标准差 最小值 最大值 被解释变量 生产效率 Tfp 23 492 6.899 6.243 2.158 3.736 10.430 环境效率 Eot 23 492 1.032 1.099 0.914 0.000 2.708 解释变量 企业数字化转型 Dgc 23 492 3.106 3.045 1.412 0.000 6.284 控制变量 企业年龄 Age 23 492 2.838 2.890 0.342 1.792 3.466 资产负债率 Lev 23 492 0.433 0.426 0.208 0.055 0.904 总资产收益率 Roa 23 492 0.039 0.037 0.062 -0.238 0.211 托宾Q值 Tq 23 492 2.090 1.529 1.902 0.152 10.870 独立董事比例 Bind 23 492 0.375 0.357 0.054 0.333 0.571 股权集中度 Share 23 492 0.346 0.325 0.149 0.086 0.747 二职合一 Dual 23 492 0.262 0.000 0.440 0.000 1.000
下载: 导出CSV
表 4 基准回归结果
变量 (1) (2) Tfp Eot Dgc 0.133 9***(14.97) -0.038 5***(-8.00) Age 0.188 9***(5.67) 0.083 3***(4.70) Lev 2.178 3***(34.00) 0.446 8***(14.06) Roa 22.547 8***(86.39) 1.878 7***(20.02) Tq -0.259 6***(-33.29) -0.087 0***(-27.99) Bind 0.226 6(1.17) -0.154 6(-1.55) Share 1.338 0***(18.65) 0.460 9***(12.40) Dual -0.282 1***(-12.23) -0.136 6***(-11.10) Control 是 是 Industryl 是 是 Year 是 是 _Cons 3.199 9***(21.30) 0.020 3(0.26) R2 0.488 0 0.215 1 N 23 492 23 492 F 394.819 9 243.848 4
下载: 导出CSV
表 5 机制检验结果
(1) (2) (3) (4) 变量 公司治理水平 信息不对称 创新激励 生产成本 Dgc 0.015 1***(3.98) -0.031 6***(-3.06) 0.283 0***(32.47) 0.1118***(16.54) _Cons -1.303 0***(-19.62) 0.149 1(0.83) 14.490 1***(86.47) 18.339 7***(159.66) Control 是 是 是 是 Industryl 是 是 是 是 Year 是 是 是 是 R2 0.604 7 0.034 8 0.286 3 0.522 2 N 22 544 1824 0 18 009 23 492 F 1 058.930 0 10.082 4 166.765 4 548.102 3
下载: 导出CSV
表 6 城市层面的异质性检验结果
变量 生产效率 (1) (2) (3) (4) (5) 东部 中部 西部 资源型 非资源型 Dgc 0.134 1***(11.86) 0.110 4***(4.72) 0.188 7***(5.70) 0.055 8*(1.69) 0.139 7***(13.72) _Cons 3.990 0***(19.77) 1.999 9***(5.31) 3.663 9***(7.26) 1.506 8**(2.57) 3.804 9***(21.98) R2 0.493 3 0.509 8 0.461 8 0.516 1 0.486 8 N 14 494 3 411 2 143 1 986 18 062 F 277.539 0 73.390 5 45.565 1 64.832 4 314.098 1 变量 环境效率 (6) (7) (8) (9) (10) 东部 中部 西部 资源型 非资源型 Dgc -0.037 1***(-6.02) -0.036 4***(-2.92) -0.026 5(-1.56) -0.079 2***(-4.41) -0.024 7***(-4.50) _Cons 0.376 9***(3.51) -0.082 9(-0.43) -0.094 9(-0.35) 0.272 5(0.93) 0.181 8**(2.00) R2 0.203 9 0.235 5 0.248 0 0.262 4 0.196 8 N 14 494 3 411 2 143 1 986 18 062 F 153.231 0 55.131 8 36.483 1 62.024 3 175.773 8
下载: 导出CSV
表 7 企业层面的异质性检验结果
变量 生产效率 (1) (2) (3) (4) 国有 非国有 重污染 非重污染 Dgc 0.191 2***(11.25) 0.111 4***(10.81) 0.161 4***(8.24) 0.127 5***(12.01) _Cons 2.699 5***(9.16) 3.892 2***(21.62) 4.715 0***(17.08) 3.134 9***(18.59) R2 0.517 2 0.478 8 0.513 3 0.482 0 N 8 288 15 204 6 424 17 068 F 167.793 2 236.534 9 308.910 0 290.248 5 变量 环境效率 (5) (6) (7) (8) 国有 非国有 重污染 非重污染 Dgc 0.018 4**(2.08) -0.047 9***(-8.32) -0.022 0**(-2.06) 0.001 6(0.29) _Cons 0.456 6***(3.24) 0.194 6**(2.07) 0.686 5***(4.79) -0.021 8(-0.26) R2 0.245 6 0.209 2 0.189 1 0.181 1 N 8 288 15 204 6 424 17 068 F 120.615 3 154.512 5 69.090 0 141.658 0
下载: 导出CSV
表 8 环境政策改善数字化转型环境效果的检验结果
变量 (1) (2) (3) (4) (5) (6) 低碳试点 非低碳试点 碳排放权试点 非碳排放权试点 污染物限值 非污染物限值 Dgc -0.014 4 -0.039 2*** -0.018 6** -0.039 9*** -0.017 0*** -0.062 2*** (-1.59) (-6.07) (-2.16) (-5.91) (-2.72) (-6.39) Control 是 是 是 是 是 是 Industryl 是 是 是 是 是 是 Year 是 是 是 是 是 是 _Cons 0.170 3 0.108 9 -0.242 3 0.229 1** 0.083 0 0.307 1** (0.88) (1.04) (-1.59) (2.10) (0.71) (2.15) R2 0.213 5 0.206 8 0.230 8 0.195 0 0.200 6 0.213 8 N 6 675 13 373 8 034 12 014 13 879 6 169 F 55.900 0 145.248 1 104.557 7 115.079 7 145.837 6 69.073 1
下载: 导出CSV
表 9 更换解释变量结果
生产效率 变量 (1) (2) (3) (4) (5) (6) 数字管理应用 人工智能技术 云计算技术 区块链技术 大数据技术 数字平台应用 Dgc 0.092 7*** 0.021 7** 0.006 3 0.100 8* 0.082 0*** 0.145 1*** (8.50) (2.52) (0.36) (1.67) (4.41) (15.75) _Cons 3.258 2*** 3.486 4*** 3.619 4*** 6.348 6*** 3.539 9*** 3.216 0*** (18.09) (18.77) (7.82) (5.01) (9.32) (21.18) R2 0.485 7 0.481 8 0.477 8 0.450 6 0.487 0 0.490 0 N 19 118 18 774 6 416 730 7 244 22 405 F 322.036 7 311.819 3 125.526 4 23.150 0 143.046 7 397.159 2 环境效率 变量 (1) (2) (3) (4) (5) (6) 数字管理应用 人工智能技术 云计算技术 区块链技术 大数据技术 数字平台应用 Dgc -0.003 8 -0.052 2*** 0.001 5 -0.005 7 -0.052 8*** -0.035 6*** (-0.66) (-11.45) (0.17) (-0.22) (-5.78) (-7.40) _Cons -0.070 4 -0.091 8 -0.007 1 2.005 8*** 0.014 8 -0.021 0 (-0.76) (-0.99) (-0.03) (3.29) (0.08) (-0.27) R2 0.215 6 0.220 1 0.229 6 0.270 7 0.242 5 0.218 3 N 19 188 18 774 6 416 730 7244 22 405 F 200.847 2 200.652 7 72.936 4 11.020 0 85.311 4 238.183 7
下载: 导出CSV
表 10 替换被解释变量检验结果
变量 (1) (2) (3) (4) (5) LP生产效率 FP生产效率 环境治理 环境管理 环境监管 Dgc 0.128 6*** 0.132 1*** -0.129 1*** -0.034 8*** -0.022 6*** (14.29) (14.74) (-12.88) (-3.86) (-4.71) Control 是 是 是 是 是 Industryl 是 是 是 是 是 Year 是 是 是 是 是 _Cons 3.208 5*** 3.197 5*** -0.357 5** -1.032 0*** 1.258 9*** (21.40) (21.40) (-2.32) (-7.54) (16.44) R2 0.489 3 0.491 0 0.160 0 0.157 2 0.134 9 N 23 492 23 492 23 492 23 492 23 492 F 392.202 4 395.095 8 173.803 0 138.891 0 144.072 7
下载: 导出CSV
表 11 准自然实验检验结果
变量 (1) (2) (3) (4) Tfp Eot Tfp Eot 大数据实验区 0.144 0***(4.57) -0.038 5**(-2.46) 宽带中国 0.098 4***(3.41) -0.071 8***(-4.82) Control 是 是 是 是 Industryl 是 是 是 是 Year 是 是 是 是 _Cons 3.955 3***(23.81) 0.131 7(1.52) 3.939 0***(23.73) 0.129 1(1.49) R2 0.483 7 0.205 7 0.483 4 0.206 4 N 20 048 20 048 20 048 20 048 F 350.075 1 208.697 3 349.707 6 209.550 7
下载: 导出CSV
-
[1] 李柏洲, 尹士. 数字化转型背景下ICT企业生态伙伴选择研究——基于前景理论和场理论[J]. 管理评论, 2020(5): 165-179. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD202005015.htm [2] TAPSCOTT D. The digital economy: promise and peril in the age of networked intelligence[M]. New York: The Mc GrawHill companies, 1996: 156-168. [3] MOULTON B R. GDP and the digital economy: keeping up with the changes[J]. Understanding the Digital Economy Data, 1999, 4(5): 34-48. [4] MESENBOURG T L. Measuring the digital economy[R]. Washington: US Bureau of the Census, 2001. [5] 曹直, 吴非. 税收激励与企业数字化转型——基于固定资产加速折旧政策的准自然实验[J]. 广东财经大学学报, 2023(2): 88-99. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG202302007.htm [6] KARIMI J, WALTER Z. The role of dynamic capabilities in responding to digital disruption: a factor-based study of the newspaper Industryl[J]. Journal of Management Information Systems, 2015, 32(1): 39-81. doi: 10.1080/07421222.2015.1029380 [7] 肖静华. 企业跨体系数字化转型与管理适应性变革[J]. 改革, 2020(4): 37-49. https://www.cnki.com.cn/Article/CJFDTOTAL-REFO202004004.htm [8] DATTA P, ROUMANI Y. Knowledge-acquisitions and post-acquisition innovation performance: a comparative hazards model[J]. European Journal of Information Systems, 2015, 24(2): 202-226. doi: 10.1057/ejis.2014.32 [9] HOWELL S T. Financing innovation: evidence from R & D grants[J]. The American Economic Review, 2017, 107(4): 1136-1164. doi: 10.1257/aer.20150808 [10] 赵宸宇, 王文春, 李雪松. 数字化转型如何影响企业全要素生产率[J]. 财贸经济, 2021(7): 114-129. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ202107008.htm [11] 刘淑春, 闫津臣, 张思雪, 等. 企业管理数字化变革能提升投入产出效率吗[J]. 管理世界, 2021(5): 170-190. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202105016.htm [12] 谭松涛, 阚铄, 崔小勇. 互联网沟通能够改善市场信息效率吗?——基于深交所"互动易"网络平台的研究[J]. 金融研究, 2016(3): 174-188. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201603012.htm [13] 肖静华, 谢康, 吴瑶, 等. 从面向合作伙伴到面向消费者的供应链转型——电商企业供应链双案例研究[J]. 管理世界, 2015(4): 137-154. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201504015.htm [14] 杨德明, 刘泳文. "互联网+"为什么加出了业绩[J]. 中国工业经济, 2018(5): 80-98. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201805005.htm [15] 张劲松, 李沐瑶. 企业社会责任、内部控制与财务绩效关系研究: 基于技术创新视角[J]. 预测, 2021(4): 81-87. https://www.cnki.com.cn/Article/CJFDTOTAL-YUCE202104012.htm [16] LIU D Y, CHEN S W, CHOU T C. Resource fit in digital transformation: lessons learned from the CBC Bank global e-banking project[J]. Management Decision, 2011, 49(9): 1728-1742. [17] 汪涛, 王星月, 冯巧根. 期望绩效反馈与企业数字化转型: 居安思危还是穷则思变[J]. 广东财经大学学报, 2023(2): 46-59. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG202302004.htm [18] 沈国兵, 袁征宇. 企业互联网化对中国企业创新及出口的影响[J]. 经济研究, 2020(1): 33-48. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202001004.htm [19] 刘维林, 王艺斌. 数字经济赋能城市绿色高质量发展的效应与机制研究[J]. 南方经济, 2022(8): 73-91. https://www.cnki.com.cn/Article/CJFDTOTAL-NFJJ202208006.htm [20] 李治国, 车帅, 王杰. 数字经济发展与产业结构转型升级——基于中国275个城市的异质性检验[J]. 广东财经大学学报, 2021(5): 27-40. http://xb.gdufe.edu.cn/article/id/d67d8b7e-3996-4a50-b548-81ea47391fc2 [21] 王军, 车帅. 黄河流域数字经济对高质量发展的影响——来自城市异质性的经验证据[J]. 资源科学, 2022(4): 780-795. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY202204011.htm [22] 武常岐, 张昆贤, 周欣雨, 等. 数字化转型、竞争战略选择与企业高质量发展——基于机器学习与文本分析的证据[J]. 经济管理, 2022(4): 5-22. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU202204001.htm [23] 王旭, 张晓宁, 牛月微. "数据驱动"与"能力诅咒": 绿色创新战略升级导向下企业数字化转型的战略悖论[J]. 研究与发展管理, 2022(4): 51-65. https://www.cnki.com.cn/Article/CJFDTOTAL-YJYF202204008.htm [24] 吴育辉, 张欢, 于小偶. 机会之地: 社会流动性与企业生产效率[J]. 管理世界, 2021(12): 74-93. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202112006.htm [25] 鲁晓东, 连玉君. 中国工业企业全要素生产率估计: 1999—2007[J]. 经济学(季刊), 2012(2): 541-558. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201202010.htm [26] CLARKSON P M, LI Y, RICHARDSON G D, et al. Revisiting the relation between environmental performance and environmental disclosure: an empirical analysis[J]. Accounting Organizations and Society, 2008, 33(5): 303-327. [27] 陈剑, 黄朔, 刘运辉. 从赋能到使能——数字化环境下的企业运营管理[J]. 管理世界, 2020(2): 117-128. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202002013.htm [28] 张叶青, 陆瑶, 李乐芸. 大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据[J]. 经济研究, 2021(12): 42-59. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202112003.htm [29] BECK T, LEVINE R, LEVKOV A. Big bad banks? the winners and losers from bank deregulation in the United States[J]. The Journal of Finance, 2010, 65(5): 1637-1667. [30] 陈海波, 邓雅慧. 网络基础设施建设如何赋能企业社会责任履行——基于"宽带中国"战略的准自然实验[J]. 广东财经大学学报, 2023(1): 17-30. http://xb.gdufe.edu.cn/article/id/25240acd-cee6-4296-bfd1-fe2964a94f8b -
