下游企業數字化可以牽引上游企業綠色創新嗎？

摘 要：當前提高企業綠色創新水平要重點關注數字技術創新應用與產業鏈供應鏈關聯主體的溢出效應。文章基于中國上市公司客戶和供應商逐一匹配的供應鏈條和企業綠色技術與數字技術專利大數據，首次從產業關聯的視角考察了下游企業數字化轉型影響上游企業綠色創新的微觀機理。研究發現，下游企業數字化轉型有利于牽引上游企業綠色創新，特別是當上游企業規模較大、具有國有性質、知識存量較為豐富，或其所在行業市場競爭度較高、需求量較大、污染密集度較高時，下游企業數字化轉型對其綠色創新的牽引作用更為顯著。機制分析表明，下游企業數字化轉型有利于促進上游企業提高數字技術創新能力和數字技術與綠色技術融合創新能力，進而牽引上游企業綠色創新。進一步分析表明，在下游企業數字化轉型后向溢出效應的影響下，上游企業綠色創新活動不僅數量增加而且質量提升；不僅對企業策略性創新產生“擠出效應”，而且對實質性創新產生“杠桿效應”；但在現有階段，上游企業綠色創新主要還是集中在生產的過程管控和末端治理環節，還未深入到從根本上解決污染問題的源頭預防階段。文章研究結論為數字經濟時代建立市場導向的綠色技術創新體系和推動數字化綠色化協同發展提供了經驗證據和政策啟示。

關鍵詞：數字化轉型 綠色創新 溢出效應 縱向關系 技術融合

DOI：10.19592/j.cnki.scje.411972

JEL分類號：D21，M11，O14" "中圖分類號：F424

文獻標識碼：A" "文章編號：1000 - 6249（2024）00 - 132 - 18

一、引言

習近平總書記在黨的二十大報告中明確提出要“推動制造業高端化、智能化、綠色化發展”。一方面，數字技術具有滲透性、協同性和外部性特征，使得企業數字化轉型的影響能夠突破企業邊界在產業鏈供應鏈上下游傳遞和擴散（陶鋒等，2023）；一方面，數字技術具有通用目的性、技術積累性和創新互補性特征，其與綠色技術的融合與協同已成為著力推動經濟高質量發展的內在要求和實現“碳達峰、碳中和”的重要支撐。然而，當前數字化轉型無論是在企業內部還是在行業間都存在“孤島化”、“碎片化”的現象，企業或是注重數字化內部建設而忽略其外部影響，或是熱衷于“炫耀性數字化投資”而忽視了數字技術在信息、計算、溝通和連接等方面的技術屬性與功能（Triplett，1999；劉洋等，2020）。這不僅使得企業數字化轉型的影響大打折扣，難以實現產業鏈供應鏈聯動效應，而且不論是傳統技術還是新興技術都彼此孤立存在，而難以實現數字技術與實體經濟的深度融合。

數字經濟時代，市場瞬息萬變，消費者多樣化、個性化、綠色化需求越來越強烈，而大數據、云計算、人工智能等數字技術的應用可以快速捕捉和精準預測市場綠色需求，有利于企業提高綠色研發活動的及時性與應變性、加強清潔生產技術、促進節能減排管理智能化等（El-Kassar and Singh，2019；Mubarak et al.，2021；申明浩、譚偉杰，2022）。因此，數字技術與綠色技術并不是相互獨立的，二者存在著諸多相互融合的結合點。然而現有關于數字化與綠色化的研究是割裂的，部分文獻分析了企業數字化轉型與綠色創新的關系，如El-Kassar and Singh（2019），Mubarak et al.（2021），龐瑞芝、劉東閣（2022）的研究均表明數字技術對增強企業綠色創新能力具有重要作用。進一步地，申明浩、譚偉杰（2022），郭豐等（2023），肖靜、曾萍（2023）指出企業數字化轉型不僅有利于提升其綠色創新活動數量而且顯著提高了綠色創新活動質量。一方面，這些研究忽視了數字技術與綠色技術的特點和聯系，缺少兩種技術相融合的視角。另一方面，這些研究側重于討論企業自身數字化轉型與綠色創新，而沒有關注到關聯主體數字化轉型的溢出效應。企業的數字化轉型不僅在企業內部不同部門之間產生初始收益，在行業內部產生水平溢出，更重要的是通過跨行業的關聯效應產生垂直方向的數字化溢出，而由此帶來的間接收益往往大于數字化轉型企業自身數字投資的直接回報。如李云鶴等（2022）研究表明，客戶公司數字化轉型存在供應鏈上的擴散效應并顯著推動上游公司的數字化轉型進程。楊金玉等（2022）指出客戶公司數字化轉型對供應商創新具有顯著促進作用。Kong et al.（2020），Zhao et al.（2020）均強調了供應鏈上下游關聯主體對企業綠色創新的重要作用。但遺憾的是，目前還沒有研究將供應鏈關聯主體數字化轉型與企業綠色創新活動聯系起來。數字經濟時代，如何從需求端激發企業綠色創新積極性？如何加強數字技術與綠色技術的深度融合，以增強企業綠色創新活力？數字技術牽引企業綠色創新在創新數量和質量上是否存在差異化影響？對其他創新活動是產生“杠桿效應”還是“擠出效應”？作用力主要發生在生產鏈源頭、過程還是末端呢？這些問題既需要理論的回答也需要實證的檢驗。

基于此，本文利用中國上市公司供應商和客戶逐一匹配的供應鏈條和2007—2020年近10萬條綠色發明專利申請和31萬余條數字發明專利申請的數據樣本，實證檢驗了下游企業數字化轉型對上游企業綠色創新活動的影響。研究發現，下游企業數字化轉型有利于牽引上游企業綠色創新活動，且當上游企業規模較大、具有國有性質、知識存量較為豐富，或其所在行業市場競爭度較高、需求量較大、污染密集度較高時，下游企業數字化轉型對其綠色創新的促進作用更為顯著。這其中的影響機制在于下游企業數字化轉型有利于提高上游企業數字創新能力和數字技術與綠色技術融合創新能力。另外，在下游企業數字化轉型的牽引作用下，上游企業綠色創新活動表現出“量質齊升”態勢；從技術創新競合關系看，上游企業數字技術與綠色技術的融合對企業策略性創新產生“擠出效應”，而對實質性創新產生“杠桿效應”；從綠色創新方向看，數字技術與綠色技術融合能夠在生產鏈的過程管控和末端治理環節發揮重要作用。

與既往文獻相比，本文可能的貢獻主要體現在以下三個方面：其一，本文創新性地從產業關聯的角度考察下游企業數字化轉型對上游企業綠色創新的積極作用，為更好地理解企業數字化轉型與綠色創新行為提供了新視角。與既有研究側重企業數字化轉型誘發自身內部綠色創新行為不同，本文基于供應商與客戶上下游企業關系的獨特場景，強調需求端數字化轉型的溢出效應有利于供給端將數字技術與綠色技術相融合從而牽引企業綠色創新，且數字化的綠色溢出效應因上游企業規模、所有權性質、知識存量以及其所在行業市場競爭程度、市場需求規模、污染密集度而存在異質性。這些研究結論拓展了“波特假說”和企業數字化轉型的研究視角。其二，本文從企業綠色創新質量、創新策略調整和綠色創新方向等維度深入分析在下游企業數字化牽引作用下，上游企業綠色創新行為的特點，有利于加深既有研究對企業綠色創新的理解。本文研究發現，在下游企業數字化溢出效應的影響下，上游企業綠色創新活動不僅數量增加而且質量提升；不僅對企業策略性創新產生“擠出效應”，而且對實質性創新產生“杠桿效應”；但在現有階段，上游企業綠色創新主要還是集中在生產的過程管控和末端治理環節，還未深入到從根本上解決污染問題的源頭預防階段。這些研究結論既是對現有文獻的補充，也蘊含了豐富的現實意義。其三，本文為政府優化環境規制政策和推動數字化綠色化協同發展提供了新思路、新見解。本文研究表明推動企業綠色創新的政策設計除了各種類型的環境規制政策以外，還要注重發揮數字經濟時代市場需求和技術融合的作用，政府的角色在于暢通供應鏈溢出渠道和為數字化綠色化融合營造良好的環境。

二、研究假說

（一）下游企業數字化轉型與上游企業綠色創新

其一，下游企業利用數字技術向上游企業精準傳遞綠色需求信息，有利于降低上游企業從事綠色創新活動面臨的市場不確定性。通常，環保市場需求不穩定，市場細化難以把握，且與原有的舊技術相比，綠色技術市場需求少、成果轉化率低、技術擴散力不足。因此，供給和需求之間的信息不對稱是造成企業綠色創新動力不足的重要原因之一。一方面下游企業依托大數據、云計算、機器學習等數字技術可以及時捕捉并精準預判市場趨勢和消費者偏好，并向上游企業準確傳送終端需求信息（陶鋒等，2023），一定程度上緩解了上游企業綠色創新成果與市場需求不匹配的情形，增強了企業對綠色創新風險的事前容忍度。另一方面，下游企業通過和上游企業實時共享資源消耗和環境數據精準傳遞企業生產過程中的綠色需求，提高了上游企業綠色研發活動的及時性和應變性。另外，數字技術天然擁有綠色創新屬性，如區塊鏈、3D打印、數字仿真、數字孿生等技術本身具備減少資源使用和污染排放的特點，下游企業數字化轉型直接向上游企業釋放了綠色需求信號。

其二，下游企業數字化轉型有利于推進供應鏈綠色合作研發并形成收益共享機制，激發上游企業綠色技術創新。綠色創新具有知識溢出和環境保護的雙重正外部性，其他企業享受綠色創新企業帶來的知識外溢和環境改善收益而不付出成本，導致企業從事綠色創新活動的激勵不足（Rennings，2000）。數字經濟時代，消費呈現多樣化、多層次、集成式等特點，單個企業往往難以完全及時滿足市場需求。下游企業距離終端消費市場最近，其數字化轉型在商業模式上的表現之一就是形成上下游企業關聯互動的開放式創新網絡，提高了供應鏈合作的開放程度（陶鋒等，2023）。而對于從事綠色創新的上游企業而言，綠色技術復雜性較高，獨立研發需承擔高昂的研發成本和風險卻得到相對較少的邊際收益。因此，上下游企業存在協同合作研發的契合點，數字技術與綠色技術相結合共同彌補產業鏈上的技術缺口，一方面上游企業為分享更多研發收益而積極調整研發資源配置以提高綠色創新在研發中的貢獻；另一方面大數據、人工智能、數字孿生等數字技術大大降低了上游企業綠色創新活動的成本和不確定性，激發了上游企業開展綠色創新的積極性。

其三，下游企業數字化轉型加強了對供應商企業的環境監測督查，來自客戶的環保壓力倒逼上游企業提高綠色創新水平?？蛻羰瞧髽I重要的利益相關者，企業在環境管理實踐中面臨著來自客戶的嚴格審查（Zhao et al.，2020），因此來自客戶的環保壓力是上游企業綠色創新的重要驅動因素。隨著綠色環保意識增強和來自政府的環境規制要求等，越來越多的企業更傾向于選擇環境友好和資源節約的產品。進行數字化轉型的下游企業可以利用大數據、區塊鏈、人工智能等手段以更低的成本和更高的效率在更大范圍內選擇符合其要求的供應商，特別是具有綠色環保特征的供應商。這增加了供應商企業的競爭壓力，倒逼上游供應商企業以客戶需求為中心開展綠色創新活動，以此可以打破競爭者領先狀態，并抓住客戶綠色需求的契機提升競爭地位。基于以上分析，本文提出如下假說：

H1：下游企業數字化轉型有利于牽引上游企業綠色創新。

（二）下游企業數字化轉型對上游企業綠色創新的影響機制

其一，下游企業數字化轉型有利于進一步提高上游企業數字技術創新能力，促使上游企業將數字技術嵌入到綠色創新活動之中。數字創新是指通過組合數字技術與物理組件而實現新產品開發、生產過程改進、組織模式變革以及商業模式創建和改變的創新過程（Yoo et al.，2010；劉洋等，2020）。下游企業數字化轉型為上游企業進行數字創新活動提供了一系列所需的必要條件，如數字創新機會識別、數字技術知識來源以及實現現有資源與新資源的組合能力（Kohli and Melville，2019；劉洋等，2020）。首先，識別組織內外與數字環境相關的創新機會是數字創新活動啟動的開端，下游企業數字化轉型指明了市場對數字技術的需求，既包括終端消費市場多樣化、個性化的消費需求，也包括數字化轉型企業對相關數字技術的需求（曲永義，2022）。這有利于降低上游企業數字創新的信息搜尋和機會識別成本，減少研發過程中的不確定性。其次，與傳統的非數字創新不同，數字創新的本質是大數據、云計算、人工智能等數字技術向不同產業的融合滲透，因而更強調不同產業之間、不同企業之間的知識交流互動。下游企業依托數字技術進一步拓展產業鏈供應鏈上下游創新網絡，有利于上游企業獲取不同技術來源和領域的數字技術知識和行業內知識，增強多樣化知識融合能力，為上游企業綠色創新活動奠定豐富的知識基礎。再次，下游企業數字化轉型所形成的開放式創新模式和價值共創的商業模式促使其將轉型中呈現的先進數字技術和經驗知識持續向上游關聯企業輸出，從而增強上游企業數字技術知識吸收及資源重組整合能力，并促進上游企業在數字技術的基礎上進行綠色專有技術的研發。

其二，下游企業數字化轉型有利于上游企業依托數字知識溢出，提高數字技術與綠色技術融合創新能力。Chu et al.（2019）的研究表明，客戶的參與和對市場信息的反饋是供應商企業創新成功的關鍵。一方面，數字技術改變了傳統的以企業為主的創新模式，客戶深度參與到企業的創新過程中，成為企業創新的重要來源（陶鋒等，2023）。隨著數字技術日益突破行業限制，與傳統技術相互融合，企業的“知識池”更趨多樣化。當供應商企業獲得的外部的、技術上相對遙遠的知識與自身的“知識池”相結合，就有可能實現突破性的重大創新（Rosenkopf and Nerka，2001）。另一方面，下游企業數字化轉型能夠在供應鏈網絡上建立多元化的信息節點，有利于上游企業借由客戶聯結直接獲取下游企業數字技術知識、共享性數據資源等（楊金玉等，2022），降低了上游企業自身開展數字創新活動的不確定性和風險。另外，最為明顯的是，數字技術本身具有一定的綠色屬性，因此下游企業數字化轉型能夠為上游企業綠色創新形成大規模的“技術蓄水池”（韓晶等，2022）。

無論是下游企業數字化轉型推動了上游企業數字創新能力提升，還是上游企業直接利用下游企業數字化轉型的相關知識，都有利于上游企業將數字技術與綠色技術相融合來開展綠色創新。一是因為數字技術有利于降低綠色創新活動的不確定性，如前文所述的供需信息不對稱和綠色創新“雙重外部性”引發的創新風險。二是因為數字技術有利于提高綠色創新效率。如大數據、互聯網、人工智能等技術可以提高碳足跡追蹤和碳排放管理的及時性和精準性、提升再生資源的分揀效率和分類準確性等。三是因為數字技術與綠色技術相結合增強了產業技術復雜度，形成一定技術壁壘，從而激勵上游企業綠色創新。此時上游企業綠色創新活動所涉及的知識廣度和深度增加了其他企業的學習成本、模仿偏差，以及私人知識外溢為公共知識的擴散難度?；谝陨戏治?，本文提出如下假說：

H2：下游企業數字化轉型有利于提高上游企業數字技術創新能力，進而牽引上游企業綠色創新。

H3：下游企業數字化轉型有利于提高上游企業數字技術與綠色技術融合創新能力，進而牽引上游企業綠色創新。

三、研究設計

（一）樣本和數據來源

本文選取2007—2020年中國A股上市公司供應商與客戶關系數據為研究樣本，并做如下處理：剔除供應商和客戶為非上市公司的樣本；剔除金融行業樣本；剔除ST、*ST 公司樣本；剔除主要變量存在缺失的樣本，最終獲得2089個企業—年度觀測值。本文供應鏈數據和財務數據主要來源于CSMAR數據庫和Wind數據庫，專利數據來源于incoPat數據庫。為避免極端值的影響，本文對所有連續變量在1%和99%分位數上進行了縮尾處理。

（二）模型設定與變量定義

為檢驗下游企業數字化轉型對上游企業綠色創新的影響，本文借鑒Chu et al.（2019），楊金玉等（2022）構建基準模型如下：

[Greenit+1=α+βDigitalit+γControlsit+δi+μt+εit]" （1）

其中，被解釋變量Greenit+1表示上游企業i在t+1期的綠色創新水平，考慮到下游企業數字化轉型對上游企業的影響可能存在滯后性以及為緩解內生性問題，本文對被解釋變量進行了提前一期處理。核心解釋變量Digitalit為企業i的下游客戶企業在t年的數字化轉型程度。Controlsit為一系列控制變量，δi和μt分別表示企業和年度固定效應，εit為隨機擾動項。

1.綠色創新。借鑒陶鋒等（2021），本文采用企業綠色發明專利申請數量+1取對數衡量上游企業綠色創新。主要原因在于：第一，雖然研發數據常常被用來衡量企業創新，但其側重于創新活動的投入，且由于數據披露限制，尚無法從企業研發投入中剝離出用于綠色創新的部分。而通過專利的IPC信息和世界知識產權局（WIPO）發布的環境友好型國際專利分類索引列表，我們可以明確劃分企業的綠色創新活動和非綠色創新活動，指標衡量更具準確性。第二，依托專利數據豐富的指標信息，本文不僅可以衡量企業綠色創新活動的數量，還能測度綠色創新活動的質量，以及從污染治理的角度區分綠色創新活動的類型，為本文的深入分析提供了有力的數據支撐。第三，WIPO公布的國際通行標準只涉及發明和實用新型專利，且與實用新型和外觀設計專利相比，發明專利面臨更為嚴格的審查制度，更能代表企業真實的技術水平。另外，專利授權具有一定時滯，存在更多的不確定性和不穩定性，與之相比，專利申請數據更為穩定、可靠和及時。因此，本文主要基于企業申請的發明專利識別綠色創新活動。

2.數字化轉型。本文以企業數字化無形資產占無形資產總額的比例衡量下游企業數字化轉型程度。對于企業數字化轉型的測量方法，現有文獻最普遍的是利用企業年報進行文本分析（申明浩、譚偉杰，2022；郭豐等，2023）。一方面，雖然上市公司年報中關鍵詞出現的頻率可以在一定程度上反映企業未來的戰略選擇和發展方向，但也難免帶有管理層的主觀意愿。尤其是在國家和地方政府大力倡導發展數字經濟的背景下，上市公司年報中與數字化轉型相關的文本信息更容易成為管理者進行概念炒作的操作工具和獲取政府補貼的策略性手段。另一方面，年報中數字化轉型關鍵詞的選擇具有較強的主觀意識，很可能存在遺漏和錯判，造成回歸結果偏誤。然而企業在生產經營和管理中，不論是外購數字資產還是生產數字資產，都是其對數字技術的投資，反映了企業數字化的真實需求和供給。因此，以數字化無形資產衡量企業數字化轉型具有一定的合理性。具體地，當上市公司財務報告附注披露的年末無形資產明細項中包含“軟件”“客戶端”“網絡平臺”“智能系統”“數據系統”等與數字化轉型相關的關鍵詞以及與此相關的專利時，將其定義為與數字化轉型相關的無形資產。然后，按企業、年度加總數字化無形資產金額，并計算其占企業無形資產總金額的比例。

3.控制變量。參考既有文獻（劉金科、肖翊陽，2022；郭豐等，2023），本文加入了一系列控制變量，包括企業年齡（Age），以樣本企業當年年份減企業上市年份+1取對數衡量；企業規模（Size），以總資產取對數衡量；資產負債率（Leverage），以總負債除以總資產衡量；營業收入（Income），以營業收入取對數衡量；研發投入強度（RD_ratio），以研發投入除以營業收入取對數衡量；托賓Q值（TobinQ），以市值除以總資產衡量；凈資產收益率（ROE），以凈利潤除以股東權益衡量；董事會規模（Board），以董事會規模取自然對數衡量；股權集中度（TOP1），以第一大股東持股比例衡量。同時，本文用企業總資產計算赫芬達爾指數來進一步控制行業競爭程度（HHI），以減輕行業層面市場結構對估計結果的潛在干擾。主要變量的描述性統計結果如表1所示。

四、實證結果分析

（一）基準結果

表2報告了基準回歸結果。第（1）、（2）列為以綠色發明專利申請量衡量企業綠色創新的回歸結果，作為穩健性分析，第（3）、（4）列為以綠色發明專利授權量衡量企業綠色創新的回歸結果。其中，第（1）、（3）列只加入核心解釋變量，第（2）、（4）列進一步加入上游企業特征和行業特征等相關控制變量。結果發現，下游企業數字化轉型Digital的系數均在5%的水平上顯著為正。這表明，下游企業數字化轉型對上游企業綠色創新具有顯著的促進作用，假設H1得以驗證。

（二）內生性和穩健性檢驗

1.遺漏變量。雖然本文在基準回歸中納入了一系列影響上游企業綠色創新的控制變量，但仍有可能遺漏了相關重要變量。其一，大量文獻表明國家和地區的環境規制政策是誘發企業綠色創新活動的關鍵因素（陶鋒等，2021；劉金科、肖翊陽，2022）。為此，本文進一步納入城市—年份和城市—行業交互固定效應，以控制城市層面隨時間變化的不可觀測因素和城市之間產業結構差異的影響。其二，與下游企業數字化轉型的溢出效應相比，企業自身數字化轉型對綠色創新的影響更為直接，為此，本文進一步控制企業自身數字化轉型程度（Digital_sup），以更為“干凈”地識別數字化轉型在供應鏈上的溢出效應。其三，除下游企業數字化轉型外，客戶的其他特征信息亦會對上游企業創新水平產生影響（楊金玉等，2022），為此，本文在基準模型的基礎上進一步控制下游企業相關特征變量（Controls_cus），如企業年齡、企業規模、資產負債率、研發投入強度、托賓Q值、凈資產收益率、董事會規模、股權集中度、所在行業市場競爭程度等變量，以緩解遺漏變量帶來的估計偏差。表3第（1）—（3）列顯示，在分別控制了城市—年份和城市—行業交互固定效應、上游企業自身數字化轉型和下游企業特征變量后，下游企業數字化轉型Digital的系數依然顯著為正，與基準回歸結果保持一致。

2.測量誤差。考慮到原變量可能不是一個特別合適的代理變量，本文進一步采用上市公司年報MDamp;A中數字化關鍵詞的詞頻數量占MDamp;A總詞頻的比重，作為新的度量企業數字化轉型的代理變量。表3第（4）列結果顯示，下游企業數字化轉型Digital的回歸系數依然顯著為正，本文基本結論保持不變。

3.反向因果。如前文所述，下游企業數字化轉型的溢出效應加速了數字技術在供應鏈上的傳播，推動上游企業破除綠色化和數字化之間的技術壁壘，提高綠色創新水平。然而，如果上游企業進行了數字化轉型并將蘊含數字技術與綠色技術的產品銷售給下游企業，也會直接推動下游企業的數字化轉型。為此，本文做了以下三方面的嘗試：第一，在基準模型中，我們將被解釋變量提前一期，評估上一年下游企業數字化轉型如何影響當期上游企業綠色創新，這在一定程度上減弱了反向因果問題。

第二，基于Lewbel（1997）的研究思路，借鑒楊金玉等（2022），本文嘗試構建下游企業數字化轉型指標與按行業二位數編碼和省份分類的數字化轉型指標均值差額的三次方作為工具變量（Instrument）。Lewbel（1997）研究指出，該方法構建工具變量的顯著優勢在于，無需借助外部因素就可以構建有效的工具變量，從而在一定程度上緩解內生性偏差。表4第（1）列為工具變量的第一階段回歸結果，工具變量Instrument在1%水平上顯著為正，且Kleibergen-Paap rk Wald F statistic統計量大于Stock-Yogo弱工具變量識別F檢驗在10%顯著性水平上的臨界值，Kleibergen-Paap rk LM statistic統計量在1%的水平上顯著，證明了工具變量Instrument的合理性。第（2）列為工具變量的第二階段回歸結果，下游企業數字化轉型Digital的系數依然顯著為正。

第三，借鑒Goldsmith-Pinkham et al.（2020）的研究思路，參考現有研究（方明月等，2022），本文嘗試構建Bartik工具變量。該方法的基本思想是，以分析單元的初始份額（外生變量）和總體的增長率（共同沖擊）的乘積來模擬出歷年的估計值作為工具變量，該工具變量與實際真實值高度相關，但與殘差項不相關。針對本文而言，我們構建Bartik工具變量如下：

[Bartik_ivit=Digitali，t=2006×1+Growthcountry，t] （2）

其中，[Digitali，t=2006]為樣本前一年（即2006年）下游企業所在二位數行業其他企業的數字化轉型程度均值，[Growthcountry，t]為全國（除企業所在省份以外）互聯網上網人數增長率。

在相關性上，企業數字化轉型程度與同行業其他企業數字化轉型程度具有一定相關性。其原因在于，企業數字化轉型存在同群效應，市場競爭、環境不確定性以及行業特征因素引發同行業企業數字化轉型的趨同（陳慶江等，2021）。在外生性上，使用樣本前一年而非樣本期間的行業數據增強了工具變量的外生性，并用剔除了本省數據的全國互聯網上網人數增長率與之相乘，使工具變量隨年份變化。在適當控制企業和年份層面的固定效應后，該變量與其他影響上游企業綠色創新的殘差不相關。表4第（3）、（4）列分別為Bartik工具變量的第一階段和第二階段回歸結果。下游企業數字化轉型Digital的系數依然顯著為正，說明本文構建的Bartik工具變量可以較好地解決內生性問題，估計結果具有穩健性。此外，Kleibergen-Paap rk Wald F statistic統計量大于10%水平上的臨界值，表明弱識別檢驗通過；Kleibergen-Paap rk LM statistic統計量在1%的水平上顯著拒絕原假設，表明工具變量選擇通過識別不足檢驗。

4.樣本選擇偏差。由于中國證券監督管理委員會只是強制要求公司分別披露前五大供應商、客戶匯總的交易額占比，而并未強制要求公司披露前五大供應商、客戶的名稱和交易金額等具體信息。因此，研究須考慮因上市公司信息披露導致的樣本選擇偏差。參考李云鶴等（2022），本文使用Heckman兩步法來盡可能緩解這一問題對結論的潛在影響。具體地，在第一階段選擇方程中，“企業是否披露主要客戶名稱的具體信息”作為被解釋變量（若披露，則虛擬量取1，否則取0），解釋變量包括企業所有權性質、企業年齡、企業規模、資產負債率、營業收入、研發投入強度、托賓Q值、凈資產收益率、董事會規模、股權集中度等，并采用Probit模型進行回歸。在第二階段中，將第一階段估計的逆米爾斯比（IMR）放入基準回歸模型進行回歸。表4第（6）列顯示，在經過樣本選擇偏差調整后，Digital的系數依然在5%的水平上顯著為正，再次表明本文的研究結論具有穩健性。

5.更嚴格的綠色專利識別標準。通常一項專利具有若干個分類號，其中第一個稱為主分類號，最能充分代表該發明的技術領域信息。本文基準回歸是通過檢索專利所有IPC來識別綠色專利的，但這并不能保證該發明的主導技術是綠色技術。因此，本文進一步通過檢索專利主IPC來識別綠色專利?；貧w結果如表5第（1）列所示，下游企業數字化轉型Digital的系數依然在5%的水平上顯著為正，與基準回歸結果保持一致。

6.聚類到更高層級。通常，聚類層級越高，對于相關性矩陣所施加的參數假設越少，結果越穩健。為此，本文進一步將標準誤聚類至行業層面，表5第（2）列回歸結果顯示，Digital的系數依然顯著為正，本文基準結果依然穩健。

7.Tobit模型。考慮到綠色創新指標屬于典型的截斷數據，本文采取Tobit模型進行穩健性檢驗。表5第（3）列回歸結果顯示，Digital的系數依然顯著為正，穩健支持下游企業數字化轉型促進上游企業綠色創新的基本結論。

（三）異質性分析

1.企業規模。不同規模的企業所擁有的資金、技術、人才等資源優勢不同，進而對外部知識資源的獲取、整合和利用能力也有所差異。相比于規模較小的企業，大規模企業通常具有豐富的內外部資源和穩定的上下游渠道，更有能力獲取下游企業數字化轉型的知識溢出，促進企業數字技術與綠色技術相融合。本文按同行業、同年份上游企業規模的中位數將樣本劃分為大企業和中小企業兩組，進一步考察下游企業數字化轉型對不同規模上游企業的異質性影響，回歸結果如表6第（1）、（2）列所示。研究發現，下游企業數字化轉型Digital的系數在大企業的組別中顯著為正，而在中小企業的組別中不顯著。這表明下游企業數字化轉型有效激勵了大型上游企業綠色創新水平的提高。

2.企業產權性質。在中國國有企業具有特殊的資源優勢，也在國家前瞻性領域和戰略性領域的基礎研究中承擔了更多的使命。具有國有性質的上游企業更有能力和責任整合內外部資源優勢，探索數字化綠色化融合發展路徑。因此，下游企業數字化轉型更有利于推動上游國有企業的綠色創新活動。本文根據企業產權性質將樣本劃分為國有和非國有企業，并進行分組回歸，回歸結果見表6第（3）、（4）列。研究發現，在國有企業組別中，下游企業數字化轉型Digital的系數顯著為正，而在非國有企業組別中Digital的系數為正但不顯著。這意味著下游企業數字化轉型顯著促進了國有企業的綠色創新活動。

3.企業知識存量。企業內部知識存量在一定程度上體現了企業的知識資源豐裕程度和創新能力（陶鋒等，2021）。通常，企業知識存量越是豐富，其知識學習、吸收和重組能力越強，越有利于企業消化吸收外部知識，提高創新能力（龐瑞芝、劉東閣，2022）。因此，相對于知識存量較為匱乏的企業，具有豐富知識存量的上游企業可能會更好地吸收下游企業數字化轉型的知識溢出，并與自身綠色技術相融合來增加綠色專利申請量。本文根據各行業上游企業專利申請數量的中位數將樣本劃分為知識存量較為豐富和較為匱乏的兩組，以檢驗下游企業數字化是否會對擁有不同知識存量的上游企業的綠色創新行為產生異質性影響?；貧w結果如表6第（5）、（6）列所示，下游企業數字化轉型Digital的系數僅在企業知識存量較為豐富的組別中顯著為正。這表明，相比于知識存量較為匱乏的上游企業，下游企業數字化轉型對知識存量較為豐富的上游企業綠色創新的促進作用更為明顯。

4.行業市場競爭程度。在不同行業競爭程度下，企業對市場壓力的敏感性存在一定差異（陶鋒等，2023）。通常，上游企業所在的行業市場競爭越激烈，其市場壓力敏感性越強，也越有動機吸收下游企業數字技術，并與自身綠色技術相結合來維持競爭優勢和建立市場地位。本文以上游企業總資產計算赫芬達爾指數，并按同年的行業集中度中值將樣本劃分為市場競爭程度高低兩組，進一步探究下游企業數字化轉型是否會對處于不同市場競爭程度的上游企業綠色創新產生異質性影響。從表7第（1）、（2）列的回歸結果可以看出，當上游企業所處行業市場競爭更加激烈時，下游企業數字化轉型Digital的系數顯著為正。這說明相比于低競爭行業企業，下游企業數字化轉型對高競爭行業的上游企業綠色創新具有更顯著的促進作用。

5.市場需求規模。市場需求是促進企業技術創新的重要推動力。巨大的市場需求規模有利于降低研發活動的不確定性和保障創新活動的潛在收益（Piva and Vivarelli，2007），使得上游企業在市場需求刺激下，積極將下游企業數字技術與自身綠色技術相融合，從事更多綠色創新活動。本文按照同行業、同年度上游企業客戶銷售額的中位數將樣本劃分為市場需求規模大小兩組，進而檢驗面對不同市場需求，下游企業數字化轉型對上游企業綠色創新活動的差異性影響。根據表7第（3）、（4）列回歸結果，當市場需求規模較大時，下游企業數字化轉型Digital的系數顯著為正，而對中小規模的市場需求，Digital的系數為正但不顯著。這表明下游企業數字化轉型顯著促進了具有較高市場需求的上游企業進行綠色創新活動。

6.行業污染密集度。不同行業的污染密度和能耗強度存在很大差異，使得下游企業數字化轉型對上游企業綠色創新的促進作用可能存在一定差異。對于重度污染行業而言，其環保壓力、成本壓力更大，綠色創新的意愿和動力更強，有利于其將上游企業數字化轉型的綠色溢出效應轉化為推動節能減排技術、污染防治的綠色技術。為此，參考陶鋒等（2021），本文根據行業污染密集度將上游企業所在行業劃分為重度污染行業和中輕度污染行業兩組，借此考察下游企業數字化轉型對上游企業綠色創新的影響在不同污染密度行業中的差異性。根據表7第（5）、（6）列的回歸結果，下游企業數字化轉型Digital的系數僅在重度污染行業中顯著為正。這表明下游企業數字化轉型對上游重度污染行業企業綠色創新的促進作用會更明顯。

五、影響機制檢驗

（一）數字技術創新

本文根據《數字經濟核心產業分類與國際專利分類參照關系表（2023）》識別出與數字技術特征相吻合的發明專利，借此構建數字技術創新指標，以檢驗下游企業數字化轉型對上游企業數字技術創新能力的影響。當前數字技術創新相關實證研究的主要難點還是在于對數字技術創新的測度。相比于運用文本分析法挖掘專利申請文件（黃勃等，2023），以專利所屬的技術領域來判斷數字技術創新水平更為清晰、客觀和直接?；凇稊底纸洕捌浜诵漠a業統計分類（2021）》和《國際專利分類表（IPC）》，國家統計局將國際專利分類與數字經濟核心產業分類進行對照，從而構建出涵蓋8個部、54個大類、154個小類、266個大組和8367個小組的數字專利分類索引列表，即《數字經濟核心產業分類與國際專利分類參照關系表（2023）》?；诖?，本文利用incoPat全球專利數據庫識別樣本范圍內上市公司申請和授權的每一項專利是否屬于數字專利，然后將其加總至企業層面，并以數字專利數量+1取對數衡量企業數字技術創新能力。另外，考慮到數字化轉型溢出效應的滯后性，本文將數字技術創新指標提前一期，替換模型（1）中的被解釋變量進行回歸。

回歸結果如表8所示。第（1）、（2）列利用發明專利申請量構建數字技術創新指標，其中，第（1）列通過專利IPC匹配數字專利，第（2）列通過專利主IPC匹配數字專利。可以發現，Digital的系數均為正，且在5%水平上通過了顯著性檢驗。出于穩健性，第（3）、（4）列利用發明專利授權量構建數字技術創新指標，其中，第（3）列通過專利IPC匹配數字專利，可以發現，Digital的系數顯著為正，第（4）列通過專利主IPC匹配數字專利，Digital的系數為正但不顯著。以上結果表明下游企業數字化轉型有利于促進上游企業數字技術創新能力提高，假設H2得以驗證。

（二）數字技術與綠色技術融合創新

結合既往文獻，本文利用專利IPC與技術領域的對應關系識別數字技術與綠色技術融合型專利，借此構建指標衡量數字技術與綠色技術融合創新。技術融合體現了不同技術軌道的整合（Caviggioli，2016；李丫丫、趙玉林，2016），因此基于專利數據測度技術融合已被學術界廣泛認可和利用。具體地，如果一項專利包含多個IPC分類號，則該件專利被認為是一項融合型專利技術（Curran and Leker，2011；Caviggioli，2016；Song et al.，2017）。相應地，本文認為如果一件專利既包括數字IPC又包括綠色IPC，則該專利被定義為數字技術與綠色技術融合型專利。在此基礎上，本文利用incoPat全球專利數據庫識別樣本范圍內上市公司申請和授權的每一項專利是否屬于數字技術與綠色技術融合型專利，然后將其加總至企業層面，并結合既往文獻做法利用不同指標刻畫數字技術與綠色技術融合創新。一是以數字技術與綠色技術融合型專利數量+1取對數（記為Inteinno1）度量技術融合規模；二是以數字技術與綠色技術融合型專利數量占專利總量的比重（記為Inteinno2）衡量技術融合度；三是著重考慮兩兩技術領域間作用關系，以數字技術與綠色技術融合型專利數量占兩個來源技術領域專利數量最小值的比例（記為Inteinno3）表示技術融合強度。然后，本文將以上指標提前一期，替換模型（1）中的被解釋變量進行回歸。

回歸結果如表9所示。第（1）—（3）列利用發明專利申請量構建數字技術與綠色技術融合創新指標，Digital的系數均在10%水平上顯著為正。出于穩健性，第（4）—（6）列利用發明專利授權量構建數字技術與綠色技術融合創新指標，當以Inteinno1和Inteinno3為被解釋變量時，Digital的系數顯著為正，當以Inteinno2為被解釋變量時，Digital的系數為正但不顯著。以上結果表明下游企業數字化轉型有利于促進上游企業數字技術與綠色技術融合創新能力提高，假設H3得以驗證。

六、進一步分析

（一）綠色創新“以量取勝”還是“量質齊升”

結合既往文獻（陶鋒等，2021；邱洋冬、陶鋒，2021），本文從專利技術領域和經濟價值的角度刻畫多個指標以衡量綠色技術創新質量，并替代模型（1）中的被解釋變量進行回歸。首先，專利知識寬度反映了專利涉及知識領域的廣泛性和知識結構的復雜性，是衡量專利質量的重要指標（張杰、鄭文平，2018）。具體地，本文先是利用產業集中度的思路在IPC大組層面計算專利分類號之間的差異，以反映專利涉及的技術領域；然后采用中位數加總的方式匯總綠色專利知識寬度，得到“企業/年份”層面的專利質量數據。其次，本文直接采用專利所涉及的IPC小類的數量衡量專利所涉及的技術領域寬度，并作為綠色創新質量的代理變量。最后，專利被引用的次數可以體現其對后續技術發展的重要性，反映了專利的經濟價值（邱洋冬、陶鋒，2021）。因此，本文進一步使用專利前向索引作為專利質量的衡量指標。具體結果如表10的PanelA所示，無論采用以上何種指標衡量上游企業綠色創新活動質量，下游企業數字化轉型Digital的系數至少在10%水平上顯著為正，表明下游企業數字化轉型顯著提高了上游企業綠色創新質量。結合本文基準結論可知，下游企業數字化轉型促進了上游企業綠色創新活動“量質齊升”。

（二）數字技術牽引綠色創新“杠桿效應”還是“擠出效應”

本文基準回歸結果表明，下游企業數字化轉型顯著促進了上游企業綠色創新活動。然而，在下游企業數字技術的牽引下，上游企業綠色創新在其整體創新活動中的地位和結構發生了怎樣的變化呢？即上游企業究竟是在既有創新活動下依托數字溢出效應不斷開展和豐富綠色創新，還是以取代或擠出其他創新活動為代價而從事綠色創新？根據本文機制檢驗結果，下游企業數字化轉型牽引上游企業綠色創新的關鍵在于，數字化的后向溢出效應促使上游企業將數字技術與綠色技術相融合以開展綠色創新活動。一方面，依托數字技術的可同質性、可再編輯性和可供性等屬性，上游企業推動綠色技術體系與數字技術的交融和滲透，進而通過對既有創新資源的優化重組和不同技術領域知識的重組整合，不斷產生新的創新活動（Yoo et al.，2010；李川川、劉剛，2022），即下游企業數字化轉型誘發上游企業綠色創新的“杠桿效應”。另一方面，下游企業數字化轉型的后向溢出效應有利于上游企業增強數字創新能力，而數字技術和綠色技術創新投資都對研發資金和相關人才具有大量需求，從而很可能擠出企業其他創新活動，尤其是“短平快”的策略性創新投資（劉金科、肖翊陽，2022），即下游企業數字化轉型誘發上游企業綠色創新但對其他創新活動產生的“擠出效應”。

基于此，本文進一步考察下游企業數字化轉型牽引上游企業綠色創新“杠桿效應”或“擠出效應”。本文以企業專利申請數量+1取對數衡量企業整體創新，以發明專利申請數量+1取對數衡量企業實質性創新活動，以實用新型和外觀設計專利申請數量+1取對數衡量企業策略性創新活動，并以這些變量作為被解釋變量進行回歸。表10 PanelB的回歸結果顯示，以專利申請量衡量企業整體創新時，下游企業數字化轉型Digital的系數并不顯著；以發明專利申請量為被解釋變量時，Digital的系數在10%的水平上顯著為正；以實用新型和外觀設計專利申請量為被解釋變量時，Digital的系數在5%的水平上顯著為負。這表明下游企業數字化轉型對上游企業以發明專利為主的創新活動具有促進作用，而對以實用新型和外觀設計專利為主的創新活動具有抑制作用。這意味著下游企業數字化轉型對上游企業實質性創新產生“杠桿效應”，對上游企業策略性創新產生“擠出效應”。

（三）綠色創新“源頭預防”、“過程管控”還是“末端治理”

企業數字化轉型涉及產品、流程、管理、商業模式等環節，數字技術與綠色技術融合可在生產全過程促進綠色創新活動。結合WIPO于2010年推出的“國際專利綠色分類清單”和污染治理方式，本文根據生產過程將企業綠色創新劃分為以下三類：一是源頭預防型，即在生產源頭減少污染物產生量的創新活動，具體包括可替代能源類（alternative energy production）、農林類（agriculture or forestry）和核電類（nuclear power generation）的綠色技術創新活動。二是過程管控型，即在生產過程中降低污染要素投入的創新活動，具體包括能源節約類（energy conservation）、行政監管與設計類（administrative regulatory or design aspects）的綠色技術創新活動。三是末端治理型，即在生產過程終端減少污染物排放量或降低排放濃度的創新活動，具體包括交通運輸類（transportation）和廢棄物管理類（waste management）的綠色技術創新活動。本文分別用源頭預防綠色發明專利申請量、過程管控綠色發明專利申請量和末端治理綠色發明專利申請量衡量上述三類綠色創新，并替代模型（1）中的被解釋變量進行回歸。表10 PanelC的回歸結果顯示，下游企業數字化轉型顯著促進了過程管控型和末端治理型的綠色創新活動，對于源頭預防型綠色創新并不顯著?？赡艿脑蛴卸阂环矫?，下游企業數字化轉型有利于向上游供應商提供更精準的綠色需求信息，并加強對供應商的監測督查，出于訂單中斷威脅，下游企業的環保壓力倒逼上游企業開展綠色創新活動，以滿足客戶綠色要求。在市場需求規模一定的情形下，企業更傾向于選擇相對容易實施、投入少、見效快的過程管控型和末端治理型的綠色創新活動，在短時間內完成訂單并獲取最大利潤。另一方面，當前我國企業數字化轉型尚處于初級階段，數字技術與綠色技術的融合主要體現在企業運用大數據、互聯網、人工智能等數字技術推動生產線智能化升級以降低能源消耗，加強生產過程數據實時采集監控來提高能源管理效率，以及提高再生資源的分揀效率和分類準確性等方面。這些環節主要集中在生產的過程和末端，而對于依托數字技術開采新能源和提高化石能源使用效率等涉及源頭預防的綠色創新活動仍需數字技術的深入發展及其與綠色技術的深度融合。

七、研究結論和政策啟示

本文基于專利IPC提供的技術特征信息，構建了中國上市公司2007—2020年綠色創新和數字創新活動指標，實證檢驗了下游企業數字化轉型對上游企業綠色創新的溢出效應。研究結果表明：①下游企業數字化轉型顯著促進了上游企業的綠色創新活動，特別是當上游企業規模較大、具有國有性質、知識存量較為豐富，或其所在行業市場競爭度較高、需求量較大、污染密集度較高時，下游企業數字化轉型對其綠色創新的牽引作用更為顯著。②下游企業數字化轉型能夠顯著驅動上游企業進行綠色創新的影響機制在于有效促進了上游企業數字技術創新和數字技術與綠色技術融合創新。③在下游企業數字化溢出效應的影響下，上游企業綠色創新活動不僅數量增加而且質量提升；不僅對企業策略性創新產生“擠出效應”，而且對實質性創新產生“杠桿效應”；但在現有階段，上游企業綠色創新主要還是集中在生產的過程管控和末端治理環節，還未深入到從根本上解決污染問題的源頭預防階段?；谝陨涎芯拷Y論，本文的政策啟示如下：

第一，堅持需求導向，圍繞市場需求和數字化轉型溢出效應增強企業綠色創新內生動力。長期以來，我國綠色創新效率低、綠色技術供給與需求處于低水平不平衡狀態，企業開展綠色創新的積極性不高，政府往往采取各種形式的環境規制政策以推動企業綠色創新。然而，本文研究結論表明，企業的綠色創新活動會受到下游客戶數字化轉型的影響。因此，除了環境規制政策以外，促進企業綠色創新的政策支持還可以從需求導向、數字化轉型、供應鏈溢出等視角重新審視。數字經濟時代推進企業綠色創新的政策趨向在于把握數字技術與綠色技術融合創新趨勢，為此建議支持產業鏈供應鏈下游企業率先開展數字化轉型，暢通供應鏈溢出渠道，營造有利于數字溢出和技術創新融合的良好氛圍。

第二，提升數字技術與綠色技術融合應用能力，推動數字化綠色化協同發展。當前，我國部分企業僅僅是依靠數字化工具而建立浮于表面的數字化轉型，還沒有實現技術之間的深度融合，對于數字化綠色化協同也只是持觀望態度。本文研究結論表明，下游企業數字化轉型能夠牽引上游企業綠色創新的關鍵在于能夠有效促進數字技術與綠色技術的融合，且當前數字技術對綠色創新的牽引作用主要發生在生產的過程管控和末端治理環節。為此，要加強數字技術創新與應用，積極尋找數字技術與綠色技術的連接點、契合點，打破技術之間彼此涇渭分明的孤立狀態；要從生產鏈的源頭、過程和末端全面強化大數據、互聯網、人工智能等數字技術與綠色生產技術、綠色用能技術、綠色管理技術的深度融合，實現企業生產方式綠色精益化，能源使用綠色循環化，資源管理綠色智慧化。

第三，結合企業特征和行業特點分類施策，增強政策實施的動態化和精準性。數字技術與綠色技術融合情況在企業層面和行業層面存在明顯的差異化。本文研究結論表明，當上游企業規模較大、具有國有性質、知識存量較為豐富，或其所在行業市場競爭度較高、需求量較大、污染密集度較高時，下游企業數字化轉型對其綠色創新的牽引作用更為顯著。因此，推動技術融合與綠色創新的政策要避免“一刀切”。要充分發揮大企業、國有企業的資源優勢，以及知識存量豐富企業的知識整合和創新優勢，鼓勵其在全鏈條、全過程深化數字技術綠色技術融合，形成示范引領；對于中小企業、民營企業和知識存量較為匱乏的企業，要加強政策引導和支持，著力緩解其技術、資金、人才短缺問題，為企業數字技術綠色技術融合提供保障。要進一步推動各行業市場化改革，推動競爭水平的提升；要充分挖掘市場需求，促進綠色創新供給和需求的有效銜接和迭代升級；要重點針對污染密集型企業開展數字技術賦能綠色創新活動。

參考文獻

陳慶江、王彥萌、萬茂豐，2021，“企業數字化轉型的同群效應及其影響因素研究”，《管理學報》，第5期，第653-663頁。

方明月、林佳妮、聶輝華，2022，“數字化轉型是否促進了企業內共同富裕？——來自中國A股上市公司的證據”，《數量經濟技術經濟研究》，第11期，第50-70頁。

郭豐、楊上廣、柴澤陽，2023，“企業數字化轉型促進了綠色技術創新的‘增量提質’嗎？——基于中國上市公司年報的文本分析”，《南方經濟》，第2期，第146-162頁。

韓晶、陳曦、馮曉虎，2022，“數字經濟賦能綠色發展的現實挑戰與路徑選擇”，《改革》，第9期，第11-23頁。

黃勃、李海彤、劉俊岐、雷敬華，2023，“數字技術創新與中國企業高質量發展——來自企業數字專利的證據”，《經濟研究》，第3期，第97-115頁。

李川川、劉剛，2022，“數字經濟創新范式研究”，《經濟學家》，第7期，第34-42頁。

李丫丫、趙玉林，2016，“基于專利的技術融合分析方法及其應用”，《科學學研究》，第2期，第203-211頁。

李云鶴、藍齊芳、吳文鋒，2022，“客戶公司數字化轉型的供應鏈擴散機制研究”，《中國工業經濟》，第12期，第146-165頁。

劉金科、肖翊陽，2022，“中國環境保護稅與綠色創新：杠桿效應還是擠出效應？”，《經濟研究》，第1期，第72-88頁。

劉洋、董久鈺、魏江，2020，“數字創新管理：理論框架與未來研究”，《管理世界》，第7期，第198-217+219頁。

龐瑞芝、劉東閣，2022，“數字化與創新之悖論：數字化是否促進了企業創新——基于開放式創新理論的解釋”，《南方經濟》，第9期，第97-117頁。

邱洋冬、陶鋒，2021，“高新技術企業資質認定政策的有效性評估”，《經濟學動態》，第2期，第16-31頁。

曲永義，2022，“數字創新的組織基礎與中國異質性”，《管理世界》，第10期，第158-174頁。

申明浩、譚偉杰，2022，“數字化與企業綠色創新表現——基于增量與提質的雙重效應識別”，《南方經濟》，第9期，第118-138頁。

陶鋒、趙錦瑜、周浩，2021，“環境規制實現了綠色技術創新的‘增量提質’嗎——來自環保目標責任制的證據”，《中國工業經濟》，第2期，第136-154頁。

陶鋒、王欣然、徐揚、朱盼，2023，“數字化轉型、產業鏈供應鏈韌性與企業生產率”，《中國工業經濟》，第5期，第118-136頁。

肖靜、曾萍，2023“數字化能否實現企業綠色創新的‘提質增量’？——基于資源視角”，《科學學研究》，第5期，第925-935+960頁。

楊金玉、彭秋萍、葛震霆，2022，“數字化轉型的客戶傳染效應——供應商創新視角”，《中國工業經濟》，第8期，第156-174頁。

張杰、鄭文平，2018，“創新追趕戰略抑制了中國專利質量么？”，《經濟研究》，第5期，第28-41頁。

Caviggioli， F.， 2016， “Technology Fusion：Identification and Analysis of the Drivers of Technology Convergence Using Patent Data”， Technovation， 55： 22-32.

Chu，Y.， Tian， X. and Wang， W.， 2019， “Corporate Innovation along the Supply Chain”， Management Science，" 65（6）： 2445-2466.

Curran， C.S. and Leker， J.， 2011，“Patent Indicators for Monitoring Convergence-Examples from NFF and ICT”， Technological Forecasting and Social Change， 78（2）： 256-273.

El-Kassar， A.N. and Singh， S.K.， 2019， “Green Innovation and Organizational Performance：The Influence of Big Data and the Moderating Role of Management Commitment and HR Practices”， Technological Forecasting and Social Change， 144： 483-498.

Goldsmith-Pinkham， P.， Sorkin， I. and Swift ，H.， 2020， “Bartik Instruments：What， When， Why， and How”， American Economic Review， 110（8）： 2586-2624.

Kohli， R. and Melville， N.P.， 2019， “Digital Innovation：A Review and Synthesis”， Information Systems Journal， 29（1）： 200-223.

Kong， T.， Feng， T.， Huang， Y. and Cai， J.，2020，“How to Convert Green Supply Chain Integration Efforts into Green Innovation：A Perspective of Knowledge‐Based View”， Sustainable Development，28（5）： 1106-1121.

Lewbel， A.， 1997， “Constructing Instruments for Regressions with Measurement Error When no Additional Data are Available， with an Application to Patents and Ramp;D”， Econometrica：Journal of the Econometric Society， 65（5）： 1201-1213.

Mubarak， M.F.， Tiwari， S.， Petraite， M.， Mubarik， M. and Rasi， R.Z.R.M.， 2021，“How Industry 4.0 Technologies and Open Innovation Can Improve Green Innovation Performance？”， Management of Environmental Quality： An International Journal， 32（5）： 1007-1022.

Piva， M. and Vivarelli， M.， 2007， “Is Demand-Pulled Innovation Equally Important in Different Groups of Firms？”， Cambridge Journal of Economics， 31（5）： 691-710.

Rennings， K.， 2000， “Redefining Innovation Eco-Innovation Research and the Contribution from Ecological Economics”， Ecological Economics， 32（2）： 319-332.

Rosenkopf， L. and Nerkar， A.， 2001，“Beyond Local Search： Boundary-Spanning， Exploration， and Impact in the Optical Disk Industry”， Strategic Management Journal， 22（4）： 287-306.

Song， C.H.， Elvers， D. and Leker， J.， 2017， “Anticipation of Converging Technology Areas-A Refined Approach for the Identification of Attractive Fields of Innovation”， Technological Forecasting and Social Change，116： 98-115.

Triplett， J.， 1999，“The Solow Productivity Paradox： What do Computers Do to Productivity？”，The Canadian Journal of Economics，32（2）： 309-334.

Yoo， Y.， Henfridsson， O. and Lyytinen， K.， 2010，“Research Commentary—the New Organizing Logic of Digital Innovation： an Agenda for Information Systems Research， Information Systems Research，21（4）： 724-735.

Zhao， Y.，Zhang， N.， Feng， T.， Zhao， C. and Zhang， J.， 2020，“The Green Spillover Effect of Green Customer Integration： Does Internal Integration Matter？”，Corporate Social Responsibility and Environmental Management，27（1）： 325-338.

Does Downstream Digitalization Lead to Green Innovation in Upstream Enterprises

—— Based on the Perspective of Supply Chain Spillover

Wang Xinran" Tao Feng

Abstract：At present， improving the level of green innovation in enterprises should focus on the spillover effects of digital technology innovation applications and the related entities in the industrial chain and supply chain. This article is based on the supply chain and big data of enterprise green technology and digital technology patents that match customers and suppliers of Chinese listed companies one by one. For the first time， it examines the micro mechanism of the impact of downstream enterprise digital transformation on upstream enterprise green innovation from the perspective of industry correlation. Research has found that digital transformation of downstream enterprises is beneficial for driving green innovation in upstream enterprises， especially when upstream enterprises are large in scale， state-owned， have rich knowledge stock， or have high market competition， high demand， and pollution intensity in their industries. The digital transformation of downstream enterprises has a more significant driving effect on their green innovation. Mechanism analysis shows that the digital transformation of downstream enterprises is conducive to promoting the improvement of digital technology innovation capabilities and the integration of digital technology and green technology innovation capabilities of upstream enterprises， thereby driving green innovation in upstream enterprises. Further analysis shows that under the influence of spillover effects after the digital transformation of downstream enterprises， the green innovation activities of upstream enterprises not only increase in quantity but also improve in quality; Not only does it generate a \"crowding out effect\" on strategic innovation of enterprises， but it also generates a \"leverage effect\" on substantive innovation; However， at the current stage， green innovation in upstream enterprises is mainly concentrated in the production process control and end of pipe governance， and has not yet penetrated into the prevention stage of fundamentally solving pollution problems at the source. The research conclusion of this article provides empirical evidence and policy inspiration for establishing a market-oriented green technology innovation system and promoting the coordinated development of digital and green technologies in the digital economy era.

Keywords：Digital Transformation; Green Innovation; Spillover Effects; Vertical Relationship; Technology Integration

（責任編輯：謝淑娟）

*王欣然（通訊作者），暨南大學產業經濟研究院，E-mail：wangxr_0119@126.com，通訊地址：廣東省廣州市天河區黃埔大道西601號，郵編：510630；陶鋒，暨南大學產業經濟研究院，E-mail ：tffrank2005@126.com。作者文責自負。

基金項目：本文受國家社會科學基金重點項目“粵港澳大灣區創新生態系統優化的體制機制與政策研究”（19AZD008）資助。