制造企業數字化對企業碳排放量的影響研究
——基于微觀視角的“杰文斯悖論” 再檢驗

滕 穎 鄭宇航

1（電子科技大學長三角研究院（湖州），湖州 313000）2（電子科技大學經濟與管理學院，成都 611731）

作為能源消耗與碳排放大國，我國生態環境已逐步逼近“環境紅線”。為應對日趨嚴峻的環境壓力，2020 年我國提出“雙碳” 戰略目標，強調我國經濟要向綠色低碳循環發展方向轉變。此外，當前以人工智能（Artificial Intelligence）、區塊鏈（Blockchain）、云計算（Cloud Computing）、大數據（Big Data）等“ABCD” 技術為核心的新一代產業革命加速興起，數字化正逐漸成為制造企業實現綠色低碳發展的重要突破點［1］。

然而，目前探究企業數字化績效后果方面的研究主要集中于探討企業數字化對企業財務績效［2］、創新績效［3］的影響上，較少關注企業數字化對企業碳排放的影響關系。更重要的是，當前僅有的關注企業數字化與企業碳排放關系的經驗研究，幾乎都聚焦于探討企業數字化對企業碳排放強度的影響上，認為企業數字化有助于提高企業碳排放強度，降低企業單位碳排放［4，5］。然而，杰文斯認為新技術的采用雖然有助于提高能源強度，但同時也會刺激規模經濟、加劇能源消耗，進而增加環境污染（又稱“杰文斯悖論”）［5］。因此，在數字經濟時代背景下，企業數字化能否降低企業碳排放量還值得深入探究。尤其在當前環境下，不同于2009 年與2015 年我國僅將碳排放強度作為減排目標，2020 年以來的“雙碳” 政策除了關注碳排放強度，更強調按照排放總量來核算企業碳減排成效，直接將減排目標聚焦在碳排放總量之上。因此，相比于企業碳排放強度，關注企業數字化是否有助于降低企業碳排放量更具現實指導意義。

除此之外，當前有關企業數字化與企業碳排放關系的研究，還主要聚焦于企業數字化的碳減排作用機制上［4］，缺乏對相關權變因素的探究。服務化定義了產品制造商的價值創造與獲取來源從單一產品提供向綜合服務提供轉變的過程［6］。這種轉變使企業的業務模式不斷從產品生產，向服務提供方向拓展［7］。本文認為，企業數字化在本質上就是企業在業務流程中采用數字技術。它通過軟硬件結合的方式為企業的業務發展提供技術支持，并始終與經營戰略及業務模式保持一致［8］。因此，當企業的業務模式由于服務化而發生轉變時，企業的數字技術應用場景也會隨之改變［9］，從而影響企業建立在數字技術基礎之上的生產模式與規模，進而影響企業能源消耗與碳排放量。由此可見，企業服務化可能會影響企業數字化與企業碳排放量之間的關系。因此，本文從服務化角度進一步分析企業服務化程度對企業數字化與碳排放量關系的調節作用。

基于此，本文在已有研究基礎上，利用我國A 股上市制造企業數據，從微觀視角實證檢驗數字經濟時代下“杰文斯悖論” 是否存在，即企業數字化是否有助于降低企業碳排放量，并進一步分析企業服務化程度對二者關系的調節作用。本文通過考察制造企業數字化與碳排放量的關系，拓展了企業數字化及其碳排放方面的研究；從服務化角度深化企業數字化對企業碳排放量的影響機制分析，解開企業數字化與企業碳排放總量之間的機制“黑箱”，為制造企業破解杰文斯悖論，更好基于數字化進行碳減排提供理論指導。

1 理論分析與研究假設

1.1 制造業企業數字化與企業碳排放

將人工智能、區塊鏈、云計算、大數據等“ABCD” 技術嵌入現有業務流程的過程被稱為數字化［10］。企業碳排放來源于企業運營、工業制造與廢物處理等環節的資源與能源消耗［11］。現有研究普遍認為，企業數字化能否促進企業碳減排的關鍵在于，企業在業務流程中采用數字技術是否有助于減少資源與能源消耗［12］。Lange 等（2020）［13］將數字化對碳排放量的影響分為直接影響與間接影響，其中間接影響又包含技術間接效應、結構間接效應與規模間接效應。他認為數字化能否降低企業碳排放取決于這4 種效應的凈效應。

從技術間接效應來看，制造企業數字化有助于提高生產效率，降低企業單位產品碳排放。具體而言，企業基于傳感器、CPS 架構，可實現對能源消耗數據的精準監測并推動能源高效配置與調度，從而提高能源使用效率［14］；利用區塊鏈、大數據等技術，制造企業能夠有效匯聚各流程關鍵信息［15］，從而加快數據資源整合、實現制造資源的優化配置并提高生產效率，進而降低單位產品能源消耗［16］。從結構間接效應來看，制造企業數字化有助于改進企業生產工藝并促進精益生產，推動制造企業從原有粗放式發展模式向精益式創新驅動發展模式轉變［17］。這種轉變通過促進制造企業減少污染密集型生產活動，降低企業能源消耗與碳排放量［18］。

與上述觀點相悖，從直接影響效應來看，制造企業數字化通常建立在大量數字元器件與算力之上，同時還會面臨海量的數據搜集、處理與儲存等問題。因此制造企業數字化需要大量能源密集型基礎設施的支持，而這往往會加劇企業能源消耗，增加碳排放量［19］。更重要地，從規模間接效應來看，由數字化所導致的生產效率提升會引發一系列反彈效應（Rebound Effect），使能源消費規模不減反增［13］。其中，杰文斯認為經濟增長被認為是最主要的反彈效應來源［5，20］。在經濟快速發展階段，制造企業通常不會維持原有生產規模，而是會在生產效率提升的基礎上，投入更多生產要素，擴大生產規模，以應對日益增長的消費需求［21］。而生產規模的擴大會進一步增大制造企業能源消耗規模，增加碳排放量。一些學者認為，這種反彈效應往往大到足以抵消由技術間接效應與結構間接效應所導致的能源節省量［22］。

綜上所述，本文認為雖然企業數字化在提高能源效率等方面存在優勢，但直接影響效應與規模間接效應的存在可能會使企業能源消費增量大于由技術間接效應與結構間接效應所導致的能源節省量。因此，本文提出以下假設：

H1a：制造企業數字化減少了企業碳排放量。

H1b：制造企業數字化增加了企業碳排放量。

1.2 制造企業服務化對數字化與碳排放關系的調節

服務化是指產品制造商的價值創造與獲取來源從單一產品提供向綜合服務提供轉變的過程［8］。該過程不僅描述了用戶作為價值感知主體在企業價值創造過程中愈發重要的作用，更強調了企業的業務方向與價值獲取來源不斷從產品提供向服務提供轉變［7］。當企業進行服務化時，為保證對服務需求的及時響應并提升服務交付的靈活性，企業通常會將更多人力資本、知識資本與技術要素嵌入生產經營流程中，以提升組織應對服務化需求的敏捷性［23］。此時，這種由服務化所導致的組織敏捷性會進一步提升企業數字化的技術間接效應與結構間接效應，即提高企業數字化對資源的配置與利用效率，從而提高企業生產效率，促進精益生產，降低資源與能源消耗。

此外，將客戶需求、偏好與行為等信息嵌入生產過程被認為有助于部分替代自然資源投入［24，25］，降低企業數字化的規模間接效應。隨著企業服務化程度的不斷提高，企業積累的客戶需求、偏好與行為信息等無形服務要素不斷增加［26］。此時，企業采用數字技術將越來越多的無形服務要素嵌入生產環節，能進一步增強對資源與能源投入的替代作用，降低數字化生產過程中的資源與能源消耗。當企業服務化程度越高時，產品逐漸成為企業獲取服務收益的載體、充當服務的附屬品，企業將更關注如何在現有產品基礎上提供更多服務來獲取價值，而不是通過產品銷售創造收益［8，26］。此時，企業數字化將更多服務于服務創造與交付，而減少數字化生產規模［9］。如企業利用數字技術為客戶提供遠程維修與保養等服務，在一定程度上促進了客戶“以維修代替購買”、“以保養代替以舊換新”，減少客戶對產品的購買。又如，制造企業利用數字技術將軟件服務與產品綁定，可以使客戶不需要通過頻繁更換產品來獲取新功能，而僅僅需要他們去更新與產品綁定的軟件服務即可實現，這有助于減少客戶對產品的需求。由此可見，這些尋求功能最大化意圖的方式，將減少客戶對實質性產品的消耗［27］，從而在一定程度上降低數字化生產規模，減少能源消耗與碳排放。綜上，本文提出以下假設：

H2：制造企業服務化有助于調節企業數字化與企業碳排放量的關系。

2 研究設計

2.1 樣本選擇與數據來源

本文以2012～2020 年我國A 股上市制造企業作為研究樣本。該樣本期間的選擇依據在于：（1）2012 年，國務院發布《“十二五” 國家戰略性新興產業發展規劃》，開始強調推動物聯網、云計算、數字虛擬等技術與工業相融合，發展新一代戰略性新興產業；（2） 《中國能源統計年鑒》 公布的行業碳排放數據僅更新至2020 年。在此基礎上，本文剔除了ST、?ST 等公司樣本與數據缺失的樣本數據。相關變量數據來源于WIND、CSMAR 與CNRDS 數據庫。

2.2 變量測量

（1） 被解釋變量：企業碳排放量。參考陳小蓓和陳雪婷（2021）［28］、趙玉珍等（2021）［29］的研究，①根據國家能源折算標準與能源碳排放系數，將各制造行業的能源消耗量折算為各制造行業的碳排放總量；②按照各制造業企業營業總成本占所屬行業的主營業務成本的比值，計算各制造業企業的碳排放量；③對各企業的碳排放量求對數，用LNCE表示。具體公式如下：

（2） 解釋變量：企業數字化，由企業數字化程度衡量。參照吳非等 （2021）［30］、李青原等（2023）［31］的研究，本文采用人工智能、區塊鏈、云計算、大數據等數字技術及其應用的相關關鍵詞在年報中出現的頻次來衡量企業數字化程度；將各關鍵詞在年報中出現的頻次數據加總，再加上1 之后進行對數化處理，并以此作為企業數字化程度的代理變量。

（3） 調節變量：企業服務化，由企業服務化程度衡量。參照趙宸宇（2020）［32］的方法，采用服務業務收入占主營業務收入的比例衡量企業服務化程度。

（4） 控制變量：參照樓永等（2022）［33］、趙鳳等（2016）［34］的研究，本文選取以下變量作為本文的控制變量（見表1）。

表1 變量描述與測量

2.3 模型設計

在Hausman 檢驗基礎上，本文采用固定效應模型檢驗制造企業數字化對其碳排放量的影響，并進一步檢驗企業服務化對二者關系的調節作用。主要模型設定如下所示：

其中，α0表示截距項，β表示各變量的回歸系數，controli，t是加入的控制變量，cdigiti，t與cservei，t分別表示中心化后的數字化與服務化數據。Code、Year與Ind分別表示企業個體、年份與行業固定效應，εi，t表示誤差干擾項。為避免極端異常值對回歸結果的影響，利用Winsorize 命令對主要連續變量進行1%縮尾處理，并在此基礎上進行標準化以排除量綱差異。

3 實證結果及分析

3.1 描述性統計與相關性分析

表2 報告了描述性統計與相關性分析結果。結果顯示，制造企業碳排放均值為7.777，標準差為2.35，說明制造企業間的碳排放量存在較大差異。同時，數字化程度平均值為1.914，標準差為1.045，表明制造企業間的數字化水平還處于較低水平，且差異較大。相關性分析表明，本文變量之間不存在嚴重的多重共線性問題。雖然制造企業數字化與企業碳排放量的相關系數為－0.192，在1%水平上顯著，與假設H1a 相反。但相關性檢驗未考慮其他控制變量，因此需要進一步回歸分析。

表2 描述性統計與相關性分析

3.2 回歸分析

表3 報告了制造企業數字化與企業碳排放量關系的逐步回歸檢驗結果，與服務化程度的調節效應結果。在不添加任何控制變量情況下，模型（1） 結果顯示，企業數字化（Digit）的回歸系數為0.032，且在1%的水平上顯著，初步說明制造企業數字化會增加企業碳排放量。模型（2） 在納入控制變量情況下顯示，企業數字化的回歸系數在1%的水平上繼續保持顯著，支持預期假設H1b，“杰文斯悖論” 現象存在。模型（3） 進一步分析了服務化的調節作用，結果顯示數字化與服務化交互項（Digit?Serve）的回歸系數為－0.005，在10%水平上顯著，表明制造企業服務化會顯著負向調節企業數字化與企業碳排放量的正向關系，支持預期假設H2。

3.3 穩健性檢驗

采用以下3 種方式對假設H1a 與H1b 進行穩健性檢驗，核心結論未發生實質性改變。

（1） 借鑒吳非等（2020）［30］相關研究，基于數字化轉型口徑對企業數字化指標進行分解。企業數字化是包含不同結構特征技術差異的譜系概念，可向下分解為“數字底層技術層面” 與“數字技術應用層面”。其中“數字底層技術層面” 包含“人工智能技術” （AI）、“區塊鏈技術” （BC）、“云計算技術” （CC）與“大數據技術” （BD）4 個子維度。采用各數字技術子維度相關關鍵詞在年報中的出現頻次分別衡量企業數字底層技術層面的數字化各維度現狀。同時采用數字化應用的相關關鍵詞衡量企業“數字技術應用” （ADT）層面的數字化現狀。見表4 中模型（4）～（8），結論基本穩健。

表4 穩健性檢驗

（2） 改變數字化測量方式。參考袁淳等（2021）［35］、肖土盛（2022）［36］的研究，采用企業數字化關鍵詞的總詞頻除以年報MD＆A 語段長度來衡量微觀企業數字化程度（Per＿digit），相關結論未發生實質性改變，見表4 模型（9）。

（3） 剔除部分樣本。考慮到重大不利金融事件可能會阻礙制造企業數字化實踐，因此本文剔除2015 年中國股災時期的制造企業樣本，相關結論未發生實質性改變，見表4 模型（10）。

參照Mathieu （2001）［37］、Eggert 等（2014）［38］的方法，利用顧客支持服務（Serve2）收入數據用作穩健性檢驗，核心結論未發生實質性改變，見表4 模型（11）。

3.4 內生性檢驗

為避免內生性問題對結論的影響，本文采用解釋變量滯后與雙重差分兩種方法進行內生性檢驗。

（1） 本文采取對核心解釋變量滯后1～3 期的方式，來避免互為因果的干擾。結果表明，制造企業數字化會顯著增加企業碳排放量，且該促進作用不會隨著時間觀察窗口的延長而顯著衰減。

（2） 為避免遺漏變量偏誤等問題，本文借鑒鄭建明等（2018）［39］的研究，采用多期雙重差分模型（DID），對制造企業實施數字化前后進行兩次差分。結果表明，制造企業在實施數字化后，碳排放量會顯著增加，結論依舊保持高度一致（由于篇幅限制，未報告內生性檢驗結果）。

3.5 制造企業數字化影響企業碳排放量的異質性檢驗

考慮到不同企業屬性可能會對制造企業數字化與碳排放的關系產生非對稱性影響，（1） 參照陽立高等（2014）［40］的研究，按照要素密集度將制造企業劃分為勞動密集型、資本密集型與技術密集型企業。表5 模型（12）～（14） 結果顯示，勞動密集型企業數字化比技術密集型企業數字化會導致更多的碳排放；（2） 按照所有制屬性將制造企業樣本劃分為國有企業與非國有企業。結果如表5 模型（15） 與模型（16） 所示。與國有企業相比，非國有企業數字化會顯著促進碳排放（t ＝3.53）。

表5 異質性檢驗

4 結論及啟示

在“雙碳” 目標以及數字經濟時代背景下，本文基于2012～2020 年我國A 股上市制造企業樣本，實證研究企業數字化與碳排放量之間的復雜關系，并在此基礎上進一步探究服務化的調節作用。相關結論如下所示：（1） 制造企業數字化顯著增加企業碳排放量，且在進行了一系列穩健性與內生性檢驗之后結論仍然保持高度一致，數字經濟時代背景下“杰文斯悖論” 依然存在；（2）企業服務化負向調節企業數字化與碳排放的正向關系，說明企業服務化有助于抑制數字化對碳排放量的促進作用；（3） 異質性檢驗結果表明：相比于技術密集型企業，勞動密集型企業數字化會導致更多碳排放量；且與國有企業相比，非國有企業數字化會顯著增加碳排放量。

本文結論對企業管理實踐具有一定啟示：（1）對制造企業如何更好開展碳減排實踐具有指導意義。制造企業想要減少碳排放總量，除了要致力于減少單位產品能耗、降低碳排放強度以外，更重要的是要使企業經濟發展與能源消耗脫鉤，避免在增加產品供給時產生更大程度上的能源消費反彈［16］。具體而言，企業可以通過數字化提升企業生產效率，以降低單位能源消耗。同時開展服務化，通過增加無形服務供給部分替代有形產品生產，來減少能源消費規模，使企業在促進經濟增長的同時，減少碳排放，實現企業經濟發展與能源消耗的部分脫鉤；（2） 對制造企業如何向高質量發展提供指導借鑒。在當前我國制造企業向價值鏈中高端環節攀升的過程中，制造企業應加快數字化服務化協同轉型，在開展企業數字化的同時，同步推進企業服務化。已有研究表明，企業服務化通過為企業數字化提供盈利場景［11］，有助于企業提高經濟績效；另外，通過抑制企業數字化所增加的碳排放，服務化又有利于改善企業的環境績效、減少碳排放。因此，制造企業數字化服務化協同發展不僅是推動企業向價值鏈高端環節攀升的重要驅動，同時也是企業綠色低碳循環發展的重要動力，能促進企業在經濟與環境方面“雙贏”。

本文還存在以下研究不足，需在未來進一步研究。如除企業服務化以外，是否還有其他調節因素會對企業數字化與企業碳排放量之間的關系造成影響。此外，本文僅關注企業數字化與企業碳排放總量之間的線性關系，尚未對二者的非線性關系進行深入探討。對上述研究問題的回答，有助于深化企業數字化對企業碳排放量影響機制的研究、為企業數字化碳減排實踐提供更全面的指導。