數據要素市場化、數字化轉型與企業綠色創新

周雪峰 王大英

摘?要：數據要素作為數字經濟時代的關鍵生產要素，是推動企業綠色創新發展的新引擎。本文基于2013—2021年滬深A股上市公司數據，采用雙重差分模型和中介效應模型探討數據要素市場化通過數字化轉型影響企業綠色創新的內在機理。研究發現，數據要素市場化能夠促進企業綠色創新，數字化轉型在二者之間發揮中介效應。異質性分析顯示，數字化轉型的中介效應主要體現在高數字基礎設施水平組和高動態能力組。進一步研究發現，底層技術在數據要素市場化與企業綠色創新之間發揮的中介效應高于實踐應用；數字化轉型在數據要素市場化與激進型綠色創新之間發揮的中介效應高于其在數據要素市場化與增量型綠色創新之間發揮的中介效應。

關鍵詞：數據要素市場化；數字化轉型；企業綠色創新；中介效應

中圖分類號：F2755??文獻標識碼：A??文章編號：1001-148X（2024）03-0032-09

收稿日期：2023-11-16

作者簡介：周雪峰（1982—），男，河南新鄉人，教授，博士，研究方向：數字經濟與企業綠色創新；王大英（1999—），女，山西運城人，碩士研究生，研究方向：數字經濟與企業綠色創新。

基金項目：河南省軟科學研究計劃項目“數字化轉型、綠色創新與企業ESG表現研究”，項目編號：242400412012；鄭州航空工業管理學院科研團隊支持計劃專項資助，項目編號：23ZHTD0。

一、引?言

綠色創新作為綠色和創新兩大發展理念的融合體，不僅是推動企業可持續發展，實現與環境和諧共生的重要途徑，也是貫徹實施創新驅動發展戰略的必然選擇。然而，綠色創新作為轉變發展方式和經濟體制改革的重要路徑，仍然面臨著資源束縛和發展限制兩方面的問題，一方面，綠色創新需要大規模與長時間的資源投入，研發過程漫長且具有很高的不確定性，這可能會造成短期利潤的劇烈波動，同時還會面臨資金斷裂的風險；另一方面，受到國家政策和市場環境等因素的影響，為了維持現有的市場利益和競爭優勢，企業通常會采用重數量的技術創新決策，導致綠色創新成果質量不高［1］。已有研究發現數字經濟［2］、媒體關注［3］與高管性別［4］等均會對企業綠色創新水平產生影響。然而，數據要素作為數字經濟時代的關鍵生產要素，尚未有學者從數據要素市場化的角度出發，探究其對企業綠色創新的影響。因此，厘清數據要素市場化對企業綠色創新的作用機理在理論和現實層面均具有重要意義。

數據要素市場化是指構建一個數據資源體系，該體系是以市場為基礎的，該市場的目標是將數據要素進行動態配置，從而推動生產流程有效貫通［5］。數據要素市場化在加快新技術和新知識的擴散速度，提高知識溢出效應的同時，能夠更好地為企業提供綠色創新平臺，有效破除綠色發展市場融資壁壘和創新模式體制機制障礙。一方面，規模報酬遞增特征表明，企業擁有的數據規模越大、種類越豐富，產生的信息和知識就越多［6］，企業從數據中獲取的經濟價值也將呈指數級增長，能夠為綠色創新活動提供充足的資金保障。另一方面，數據要素市場化便于企業通過物聯網、大數據等方式來獲得顧客的消費習慣和偏好，從而準確地識別市場需求，使得企業綠色創新實現從經驗到數據的轉變，進而提升企業綠色創新的產出質量。此外，數據也是企業數字化轉型的核心驅動要素，當先進的數字技術被應用到企業的生產系統中時，將會推動整個生產過程中的要素協同，促使綠色創新資源的整合效率得到更大的提升。

數字化轉型是企業把數據要素和數字技術引入生產與經營管理中，與其他生產要素共同創造商業價值和社會價值的過程［7］。數據要素市場化能夠更好發揮數據要素對傳統要素的賦能作用，加速企業內部生產要素間的協同聯動，提升數據價值釋放能力，進而驅動企業數字化轉型［8］。從技術能力整合的角度來看，數字化轉型能夠加快綠色創新模式的優化速度，加快各種綠色創新要素的供給方式和配置方式的變革，進而推動節能減排、清潔無害等新型技術的產生，對綠色生產的末端進行精準的排污管理，為綠色創新提供一個穩固的保障［9］。因此，本文基于數字化轉型的中介視角，探討數據要素市場化對企業綠色創新的影響路徑及作用機理，為更好地實現綠色發展提供理論依據和經驗借鑒。

本文的邊際貢獻主要體現在三個方面：（1）從數據要素市場化的視角切入，考察其對企業綠色創新的影響，并厘清數字化轉型在二者間的作用機理，豐富和完善企業綠色創新的驅動因素研究；（2）根據區域特征和企業特征差異，細化考察數字基礎設施水平和企業動態能力所導致的異質性影響，為政府制定大數據發展戰略和企業后續開展綠色創新活動提供經驗證據；（3）基于底層技術和實踐應用兩個維度探討數字化轉型在數據要素市場化與企業綠色創新之間的中介效應，并分別研究數據要素市場化對企業激進型綠色創新和增量型綠色創新兩個方面的影響，為進一步理解數據要素市場化、數字化轉型與企業綠色創新之間的作用機理與路徑提供新的思路。

二、理論機理與研究假設

（一）數據要素市場化與企業綠色創新

數據要素市場化所帶來的數據流動和分享，使得精細化和網絡化的綠色研發專業化分工成為可能，進而通過高效率的溝通與協調建立起多元化網絡關系，有效地整合綠色創新資源，并將其應用于研發中，從而促進企業綠色創新。具體通過以下三個方面：

首先，數據要素市場化能夠減少投入成本，進而促進企業綠色創新。數據要素市場化的目標是建立一個市場，該市場能夠進行數據交易，并且是公開透明和有統一標準的［10］，因此在進行綠色創新活動的過程中，企業的數據收集和獲取成本將大幅降低，便于企業自身獲取所需要的數據，企業會加大對綠色創新的投入。一方面，數據要素市場化能夠為企業搭建成本較低的協作與交流平臺，突破因時間、地理和經濟等因素所導致的學習障礙，減少對知識信息資源搜尋與甄別的成本，有助于關鍵核心技術的突破；另一方面，數據要素市場化可以使企業通過大數據及時準確地獲取到自身所需要的信息，并且能夠實時更新生產和銷售計劃，從而降低企業銷售成本、產能閑置成本和存貨管理成本，為企業綠色創新提供更多的資金空間。

其次，數據要素市場化能夠從供需兩側提高綠色研發效率，進而促進企業綠色創新。在需求側，基于“數據+算法+算力”的積累，通過對海量數據的有效信息挖掘，可準確掌握消費者行為特征，進而有針對性開展綠色研發創新，且能夠有效提高綠色研發決策的準確性。在供給側，高質量的數據要素和深度學習、人工智能等相結合能準確預測實驗結果、提高對特定元素的篩選效率；數據要素與數字孿生、仿真技術的結合能實現在虛擬空間完成對新技術性能的測試及對新產品的提前預測分析，促進企業綠色創新。

最后，數據要素市場化能夠加快產業結構升級的步伐，進而促進企業綠色創新。隨著數字經濟的快速發展，產業結構升級中比較關鍵的環節是產業數字化轉型。同時，數據要素市場化也在不斷深入，其能夠提供充足的高質量數據，加快傳統產業數字化轉型的速度。此外，產業數字化轉型升級與企業綠色創新有著密切的聯系，企業綠色創新效率隨著產業升級速度的加快而提高［10］，因此，數據要素市場化將會促進產業結構的升級，從而推動企業綠色創新水平的提升。基于此，本文提出以下假設：

H1：數據要素市場化能夠促進企業綠色創新。

（二）數據要素市場化與數字化轉型

數據要素是數字經濟的基礎性資源，是“第六次技術革命”的核心要素，數據要素市場化有利于激發數據要素活力，為數字化轉型提供有力支撐。具體通過以下三個方面：

首先，數據要素市場化能夠提供高質量的數據要素，進而促進數字化轉型。數據要素市場化能夠增加數據的透明度，數據要素的價值能夠得到釋放，規模報酬遞增特征使得企業得到的經濟價值呈指數級增加，為數字化轉型提供重要保障。一方面，健全的數據要素市場能夠為數據需求方提供源源不斷的高質量數據，使其能夠以相對公平的價格獲得數據，這是企業數字化轉型的內生動力；另一方面，以數據交易平臺為基礎，構建數據要素市場，對推動數據要素的流動起到了積極的作用，使得數據要素的價值得以釋放［11］，加快數字經濟發展的步伐，進而促進數字化轉型。

其次，數據要素市場化能夠促進數據共享機制和交易機制的完善，為數字化轉型提供重要機制保障。一方面，企業數字化轉型是建立在數據共享之上的，并且通過數據的高效流通才能夠使數據要素的價值得以釋放。數據要素市場化能夠打破不同區域和不同層次之間的數據壟斷，解決“數據孤島”等問題，使得數據要素能夠在企業間互聯，從而更大限度地發揮企業數據要素價值；另一方面，數據“可用不可見”是推進數據交易的核心，從本質上來說，這是從所有權到使用權的轉變，使得數據采集能夠更加方便快捷，讓數據價值得到有效的提升，能夠實現長久經營的一種商業模式，為企業數字化轉型奠定堅實的數據要素基礎。

最后，數據要素市場化能夠增強企業的競爭意識和學習意愿，進而促進數字化轉型。一方面，數據要素市場化增強了數據的網絡效應、反饋效應和用戶的鎖定效應，根據達維多法則，最先實施數字化轉型的企業將會在市場上占有更大的優勢，數字化轉型是企業打破壟斷式競爭格局的必由之路。另一方面，數據要素市場化程度越高的地區，越容易進行數字技術的推廣［12］。大數據的普遍應用能夠促使企業采用大數據技術進行生產決策，在數字化轉型的過程中充分發揮數據要素的作用［13］。基于此，本文提出以下假設：

H2：數據要素市場化能夠促進數字化轉型。

（三）數字化轉型的中介效應分析

根據組織能力理論，戰略組織活動需要外部環境資源和應對外部環境的能力。數字化轉型涵蓋的數字技術正在改變企業的經營方式［14］，通過自動化、業務流程的改進以及成本節約［15］來提高運營效率，使企業綠色研發資源得到有效配置，從而促進企業綠色創新。第一，數字化轉型能夠減少企業在信息交流方面的費用，為企業間的合作構筑溝通橋梁，使得企業資源配置效率得到大幅提高，為企業綠色創新提供不竭動力；第二，數字化轉型可以借助諸如神經網絡算法、機器學習等先進技術，讓研發人員可以獲得并運用各類隱性創新知識，使得普遍存在于企業內部的隱性知識逐步顯現出來，擴大了企業綠色創新的知識基礎［16］；第三，在數字化轉型過程中，企業能夠構建起諸如環境感知和機遇利用這樣的動態能力，通過戰略更新來優化已有的資源，從而在新的技術范式和綠色環保方面取得優勢。

綜上，數據要素逐漸與經濟發展相融合，成為我國發展新動能的基石。數據要素市場化能夠實現降本增效和新的價值創造，增強市場競爭力，逐步推進數字化轉型進程，促進企業綠色創新。基于此，本文提出以下假設：

H3：數字化轉型在數據要素市場化與企業綠色創新之間發揮中介效應。

三、研究設計

（一）樣本選取與數據來源

本文使用的樣本為2013—2021年滬深A股上市公司，根據以下條件對樣本進行篩選：（1）剔除金融行業和房地產行業；（2）剔除數據嚴重缺失的樣本；（3）剔除ST等T類樣本企業。本文主要數據來自CSMAR數據庫、中國研究數據服務平臺（CNRDS）和各城市政府網站，且對所有連續型變量進行上下1%的縮尾處理，計量軟件為Stata170。

（二）變量選取

1被解釋變量

被解釋變量是企業綠色創新（GI）。借鑒黎文靖和鄭曼妮（2016）［17］的做法，以綠色專利申請數量來衡量企業綠色創新。其中，綠色專利申請數量為綠色發明專利申請數量與綠色實用新型專利申請數量之和。為了避免高偏度帶來的干擾，對綠色專利申請數量加1之后取自然對數處理。

2解釋變量

解釋變量是數據要素市場化（Date）。借鑒劉滿鳳等（2022）［11］的研究，以各地已建立的數據交易平臺為準自然實驗，將第一個由政府主導的數據交易平臺建成的年份作為地區數據要素市場化年份，并以地區虛擬變量與平臺建成時間兩個虛擬變量之間的交互項來度量數據要素市場化的影響效應。具體地，若某地區成立了數據交易平臺，則成立的當年及之后年份均賦值為1，否則賦值為0。

3中介變量

中介變量是數字化轉型（Dt）。本文利用Python對上市公司年報進行文本分析，將與數字化相關的關鍵詞詞頻作為其代理變量。本文借鑒吳非等（2021）［18］的研究，將數字化轉型分為底層技術和實踐應用兩個維度，將兩類詞頻匯總得到總詞頻，并對其進行對數化處理。

4控制變量

參考劉滿鳳等（2022）［11］的研究，選取企業規模（Size）、企業年齡（Age）、資產負債率（Lever）、營業增長收益率（Growth）、托賓Q（TobinQ）、董事會規模（Board）、經濟發展水平（Pgdp）、環境規制力度（ER）、年度效應（Year）以及行業效應（Ind）作為控制變量（Ctrl）。

本文具體的變量定義如表1所示。

（三）模型設計

本文參考Baker等（2022）［19］的研究，采用多期雙重差分方法來研究數據要素市場化對企業綠色創新的影響，構建模型（1），具體如下：

GI=α0+α1Date+∑ni=2αiCtrli+ε1（1）

為進一步檢驗本文理論部分提出的數字化轉型的中介機制，本文借鑒溫忠麟和葉寶娟（2014）［20］的研究，構建如下模型進行檢驗：

Dt=β0+β1Date+∑ni=2βiCtrli+ε2（2）

GI=γ0+γ1Date+γ2Dt+∑ni=3γiCtrli+ε3（3）

模型（1）檢驗數據要素市場化對企業綠色創新的影響，若α1顯著為正，則表明數據要素市場化能夠促進企業綠色創新，驗證假設H1。模型（2）檢驗數據要素市場化對數字化轉型的影響，若β1顯著為正，則表明數據要素市場化能夠促進數字化轉型，驗證假設H2。若存在中介效應，模型（2）的β1與模型（3）中的γ2乘積（β1×γ2）與模型（3）中的γ1符號一致且均為正，即數字化轉型在數據要素市場化與企業綠色創新之間發揮中介效應，驗證假設H3。

四、實證結果分析

（一）描述性統計與組間差異檢驗

1描述性統計

表2是主要變量的描述性統計結果，描述性結果顯示：被解釋變量企業綠色創新（GI）的均值為1002，標準差為1261，中位數為0693，最小值為0，最大值為5037，說明不同企業之間的綠色創新存在較大差異，大部分企業的綠色創新水平較低；中介變量數字化轉型（Dt）均值為1463，標準差為1379，中位數為1099，最小值為0，最大值為5106，表明企業的數字化轉型程度之間有很大的差別，且存在相當一部分企業并未進行數字化轉型；核心解釋變量數據要素市場化（Date）均值為0605，標準差為0489，中值為1，最小值為0，最大值為1，說明數據要素市場化分布比較均勻。此外，年齡和規模等方面均存在差異。

2組間差異檢驗

以是否成立數據交易平臺為標準，將成立數據交易平臺的樣本確定為高數據要素市場化水平組，未成立數據交易平臺的樣本確定為低數據要素市場化水平組，并對兩組樣本的中介變量和被解釋變量進行組間差異檢驗。表3列出了組間差異檢驗的分析結果。可以看出，高數據要素市場化水平組中的企業綠色創新和數字化轉型均顯著高于低數據要素市場化水平組，為驗證假設H1和假設H2提供間接證明。

（二）回歸分析

從表4的回歸結果可知，列（1）中Date的系數顯著為正。從經濟意義來看，數據要素市場化程度提高一個標準差，企業綠色創新將提高0050個標準差0050為數據要素市場化的標準差（0495）乘以數據要素市場化的回歸系數（0128）再除以企業綠色創新的標準差（1263），即0050=0495×0128/1263，下同。，這得益于數據要素市場化能夠提升企業預測有用知識組合的精度，更迅速地通過創新性的流程優化降低成本，進而降低企業資源消耗和資源錯配，促進企業綠色創新，假設H1得到驗證。列（2）中Date的系數顯著為正，從經濟意義來看，隨著數據要素市場化程度每提高一個標準差，數字化轉型將提高0046個標準差，表明數據要素市場化能夠利用數據要素對資本、勞動力和技術等傳統要素進行賦能，提升企業在要素使用和要素配置方面的能力，實現降本增效和新的價值創造，進而提高數字化轉型，假設H2得到驗證。列（2）中Date與列（3）中Dt的系數乘積為正，與列（3）中Date的系數符號方向一致，表明數字化轉型在數據要素市場化與企業綠色創新之間發揮中介效應，假設H3得到驗證。

中介機制是否穩定，影響到結果的判斷，因此，本文采用Bootstrap法（抽樣500次）繼續檢驗中介機制，發現數據要素市場化系數為0043，且置信區間不包含0，結果再一次驗證了數字化轉型在數據要素市場化與企業綠色創新之間的部分中介作用。

（三）平行趨勢檢驗

如果在數據交易平臺建立之前，企業的綠色創新水平在處理組與對照組的變化趨勢是一致的，即符合平行趨勢的前提條件，就可以運用雙重差分法進行檢驗。因此，本文使用Jacobson等（1993）［21］提出的事件研究法進行平行趨勢檢驗，該方法可表示為：

GI=δ0+∑6t=-4δtDit+∑ni=2δiCtrli+ε4（4）

其中，Dit是一組虛擬變量，若企業i所在地區在第t年成立數據交易平臺，則取值為1，反之取0。本文以數據交易平臺成立當期為臨界點，將數據交易平臺成立時間分為成立前4期和成立后6期，通過觀察數據交易平臺成立前后各期回歸系數δt是否顯著來檢驗是否滿足平行趨勢前提。

由圖1可知，在成立數據交易平臺之前，數據要素市場化的回歸系數是不顯著的，表明在數據交易平臺建立之前，處理組與對照組在企業綠色創新方面沒有顯著的系統差異，研究樣本通過了平行趨勢檢驗。

圖1?平行趨勢檢驗

（四）穩健性檢驗

1PSM-DID檢驗

為緩解由于樣本選擇偏差引起的內生性問題，本文使用傾向得分匹配-雙重差分法（PSM-DID）進行穩健性檢驗。借鑒劉禹君（2023）［10］的做法，首先以控制變量作為協變量進行逐年傾向得分匹配，之后對樣本進行1∶1臨近匹配，得到配對成功后的樣本，最后再運用DID模型和中介效應模型進行回歸估計。

2考慮其他政策影響

2010年，低碳城市試點陸續開展，其具有的規模經濟效應能夠顯著提高區域綠色發展效率，進而影響試點區域的企業綠色創新；2012年，國家智慧城市試點政策開始實施，智慧城市的建設會影響到試點區域的數字化轉型程度。因此，本文參考劉禹君（2023）［10］的研究，進一步加入“低碳城市”和“國家智慧城市”政策的虛擬變量Low和Smart，以控制其他政策對估計結果的影響。

3替換被解釋變量

由于綠色發明專利的科技含量高于綠色實用新型專利，為保證回歸結果的可靠性，本文借鑒李平和方健（2023）［22］的研究方法，用上市公司合計的獨立和聯合綠色發明專利總申請量取對數來衡量企業綠色創新GI2。

4工具變量法

為了克服潛在的反向因果和遺漏變量的問題，本文借鑒劉滿鳳等（2022）［11］的研究，采用各省份1984年每百萬人擁有的郵局數量作為數據要素市場化的工具變量，并采用兩階段最小二乘法進行重新估計。由于選取的各省份1984年每百萬人擁有的郵局數量屬于橫截面數據，而本文樣本為面板數據，因此進一步將各省份1984年每百萬人擁有的郵局數量與上一年各省份互聯網用戶數的交互項作為面板工具變量。

總體而言，穩健性檢驗結果在顯著性和符號方面均與基準回歸結果基本一致限于篇幅，相關檢驗結果未作報告，留存備索。，從而進一步支持了本文提出的研究假設。

五、異質性分析

本文分別從數字基礎設施水平和企業動態能力兩個方面進行異質性分析：（1）借鑒劉滿鳳等（2022）［11］的研究，從互聯網普及率和移動互聯網用戶數這兩個層面，對數字基礎設施水平進行綜合衡量，即分別選取每百人互聯網寬帶接入用戶數和每百人移動電話用戶數作為基礎指標，通過標準化處理和運用主成分分析法，得到數字基礎設施水平指標，并以數字基礎設施水平的中位數為標準，將大于或等于中位數的樣本確定為高數字基礎設施水平組，小于中位數的樣本確定為低數字基礎設施水平組；（2）借鑒張昊和劉德佳（2023）［23］的方法，用學習吸收能力、變革重構能力和協調整合能力等三個要素綜合反映企業動態能力，并以動態能力的中位數為標準，將大于或等于中位數的樣本確定為高動態能力組，小于中位數的樣本確定為低動態能力組。

（一）數字基礎設施水平

考慮到與勞動、資本、土地等傳統生產要素不同，數據要素無法以獨立形態存在，需要依附現代信息網絡等載體才能夠發揮其作用，因此，在不同數字基建投資強度和搭建密度下，數據要素市場化通過數字化轉型對企業綠色創新的促進作用極有可能會呈現差異化特征。如表5所示，在高數字基礎設施水平組，列（1）中Date的系數顯著為正，說明數據要素市場化能夠促進企業綠色創新；列（2）中Date的系數顯著為正，說明數據要素市場化能夠提高數字化轉型；并且列（2）中Date與列（3）中Dt的系數乘積為正，與列（3）中Date的系數符號相同，說明數字化轉型在數據要素市場化與企業綠色創新之間發揮中介效應。在低數字基礎設施水平組，列（4）中Date的系數不顯著，說明數據要素市場化難以促進企業綠色創新；列（5）中Date系數不顯著，說明數據要素市場化難以促進數字化轉型，在低數字基礎設施水平組中數字化轉型在數據要素市場化與企業綠色創新之間難以發揮中介效應。由此可見，相較于低數字基礎設施水平組，在高數字基礎設施水平組中數字化轉型更能發揮中介效應。

（二）企業動態能力

動態能力有助于企業更新戰略，協調整合內外部資源，并獲得可持續競爭的優勢，因此，企業動態能力的稟賦特征差異極有可能會影響數字化轉型的綠色創新驅動效應。如表6所示，在高動態能力組中，列（1）中Date的系數顯著為正，說明數據要素市場化能夠促進企業綠色創新；列（2）中Date的系數顯著為正，說明數據要素市場化能夠提高數字化轉型；并且列（2）中Date與列（3）中Dt的系數乘積為正，與列（3）中Date的系數符號相同，說明數字化轉型在數據要素市場化與企業綠色創新之間發揮中介效應。在低動態能力組，列（4）中Date的系數顯著為正，說明數據要素市場化能夠促進企業綠色創新；列（5）中Date系數不顯著，說明數據要素市場化難以促進數字化轉型，在低動態能力組中數字化轉型在數據要素市場化與企業綠色創新之間難以發揮中介效應。由此可見，相較于低動態能力組，在高動態能力組中數字化轉型更能發揮中介效應。

六、進一步分析

（一）數字化轉型：底層技術VS實踐應用

借鑒杜明威等（2022）［24］的研究，將數字化轉型劃分為底層技術（DTT）和實踐應用（DTA），其中，底層技術是指包含人工智能、區塊鏈、云計算、大數據等在內的數字技術，在數字革命的背景下，這些技術是推動數字技術快速迭代與發展的關鍵基礎，也是企業在研發設計、經營邏輯或管理模式等后端業務中數字化轉型的重要表征；相應地，實踐應用則是以底層技術為研發基礎，這些技術將企業所處的市場環境聚集起來，為企業生產及銷售等前端業務提供數字化轉型支撐。

從表7回歸結果可知，數據要素市場化可通過底層技術和實踐應用促進企業綠色創新，其中底層技術在數據要素市場化與企業綠色創新之間發揮的中介效應占總效應的比重為2447%2447%為中介效應（0145×0216）與總效應（0128）的比值，即2447%=（0145×0216）/0128×100%，下同。，實踐應用在數據要素市場化與企業綠色創新之間發揮的中介效應占總效應的比重為401%。由此可見，底層技術在數據要素市場化與企業綠色創新之間發揮的中介效應，高于實踐應用。

（二）綠色創新：激進型綠色創新VS增量型綠色創新

借鑒李平和方健（2023）［22］的做法，進一步將企業綠色創新類型劃分為激進型綠色創新和增量型綠色創新，采用綠色發明專利申請數衡量激進型綠色創新（GI_Ra），采用綠色實用新型專利申請數衡量增量型綠色創新（GI_In）。

回歸結果如表8所示，數據要素市場化能夠促進激進型綠色創新和增量型綠色創新，并且數字化轉型在二者之間發揮中介效應，其中數字化轉型在數據要素市場化與激進型綠色創新之間發揮的中介效應占總效應的比重為1648%，在數據要素市場化與增量型綠色創新之間發揮的中介效應占總效應的比重為738%。由此可見，數字化轉型在數據要素市場化與激進型綠色創新之間發揮的中介效應，高于其在數據要素市場化與增量型綠色創新之間發揮的中介效應。

數據作為數字經濟時代的衍生要素，是技術—經濟范式發展水平的集中體現，且主要表現為數字化知識和信息，其本身具有創新時代屬性。在數字經濟快速發展的當下，以傳統要素數字化為重要特征的生產活動使數據要素能夠全面滲透到社會生產與生活中，快速驅動經濟社會實現數字化轉型。在此過程中，企業為進一步鞏固自身市場競爭力并獲取較為可觀的綠色創新收益，更青睞于綠色創新含量更高的激進型綠色創新，相比之下，增量型綠色創新知識和資源更多來源于經驗與實踐，其綠色創新含量較低且難以帶來附加收益。

七、結論與政策建議

新一輪科技革命和產業變革決定了企業綠色創新不僅取決于數據要素市場化引致的要素配置效率改善，同時也在很大程度上受到數字化轉型的影響。本文基于2013—2021年滬深A股上市公司數據，采用多期雙重差分模型和中介效應模型，從理論和實證兩個方面全面考察了數據要素市場化對企業綠色創新的影響以及數字化轉型在其中扮演的中介作用。研究結果表明：（1）數據要素市場化對企業綠色創新具有顯著促進作用，這種促進作用在經過一系列穩健性檢驗之后依然成立。（2）數字化轉型在數據要素市場化與企業綠色創新的關系中發揮部分中介作用，且中介效應存在顯著異質性。數字化轉型發揮的中介效應在高數字基礎設施水平組和高動態能力組中得以體現，相反，在低數字基礎設施水平組和低動態能力組中難以顯現。（3）在進一步分析中，將數字化轉型分為底層技術和實踐應用兩個維度，發現底層技術在數據要素市場化與企業綠色創新之間發揮的中介效應高于實踐應用；將企業綠色創新類型劃分為激進型綠色創新和增量型綠色創新，發現數字化轉型在數據要素市場化與激進型綠色創新之間發揮的中介效應高于其在數據要素市場化與增量型綠色創新之間發揮的中介效應。

基于上述結論，本文提出如下政策建議：

第一，持續深化數據要素市場化改革，加速布局數據交易平臺建設。加大對數據要素市場的培育力度，在各地構建大數據平臺或者數據交易所，充分發揮數據要素市場對企業綠色創新發展的賦能作用，為企業綠色創新發展提供新動能。加強數據交易平臺高質量的數據供給，促進數據要素的跨區域互聯互通，充分發揮數據要素的價值，幫助企業實現低成本、高效率的數字化轉型。各地政府應加快構建數據基礎制度，對數據要素產權保護制度進行完善，對數據要素所有權、使用權和收益權的歸屬進行明確，通過完善數據資源監管制度，打破數據要素流通環節的障礙，確保數據交易的有序運行。

第二，不斷提高數字基礎設施水平，為數字經濟發展奠定基礎。一方面，各地區要繼續推進互聯網普及，完善數字基礎設施，發展新基建，為企業實現數字化轉型、智能升級和綠色創新提供完善的基礎設施體系；另一方面，地方政府應該根據自己的實際情況和自身綠色創新資源的豐富度，確定適合經濟發展的綠色轉型的具體方針政策，增加企業在綠色創新方面的資金投入，從而能夠有效促進企業綠色創新。

第三，積極提升企業動態能力，為數字化轉型和企業綠色創新提供動力。相較于動態能力低的企業，動態能力高的企業能夠獲取外部環境中有用的戰略信息，通過吸收資源和信息，協助管理者制訂方案及計劃，為企業綠色創新奠定堅實基礎，因此，企業應該重視培育和構建動態能力，有效提高自己在學習和整合資源方面的能力，增強自身的核心競爭力，進一步提高資源配置效率，促進綠色創新。企業綠色創新活動風險高、成本大，對于動態能力低的企業，政府及相關部門應在政策和資金上給予更多的支持以調動企業的綠色創新積極性，并借助動態能力充分吸收市場的綠色創新資源。

參考文獻：

［1］?張國勝，杜鵬飛.?數字化轉型對我國企業技術創新的影響：增量還是提質？［J］．經濟管理，?2022，44（6）：82-96.

［2］?汪曉文，陳明月，陳南旭.數字經濟、綠色技術創新與產業結構升級［J］．經濟問題，2023（1）：19-28.

［3］?張玉明，邢超，張瑜.?媒體關注對重污染企業綠色技術創新的影響研究［J］．管理學報，?2021（4）：557-568.

［4］?Galbreath?J.?Drives?of?Green?Innovations：The?Impact?of?Export?intensity，?Women?Leaders，?and?Absorptive?Capacity［J］．Journal?of?Business?Ethics，?2019，158（1）：47-61.

［5］?喬晗，李卓倫，黃朝椿.?數據要素市場化建設的影響因素與提升路徑——基于復雜經濟系統管理視角的組態效應分析［J］．外國經濟與管理，?2023，45（1）：38-54.

［6］?徐翔，厲克奧博，田曉軒.?數據生產要素研究進展［J］．經濟學動態，?2021（4）：142-158.

［7］?王小林，楊志紅.?高質量發展視角下企業數字化轉型的機理［J］．求索，2022（4）：126-134.

［8］?呂鐵，李冉.?制造企業數字化轉型：數據要素賦能傳統要素的視角［J］．學習與探索，?2022（9）：108-117.

［9］?肖靜，曾萍.?數字化能否實現企業綠色創新的“提質增量”？——基于資源視角［J］．科學學研究，?2022：1-19.

［10］劉禹君.?數據要素市場賦能城市綠色創新發展——來自中國城市的經驗證據［J］．貴州社會科學，?2023（1）：124-133.

［11］劉滿鳳，楊杰，陳梁.?數據要素市場建設與城市數字經濟發展［J］．當代財經，?2022（1）：102-112.

［12］史丹，孫光林.?大數據發展對制造業企業全要素生產率的影響機理研究［J］．財貿經濟，?2022（9）：85-100.

［13］倪克金，劉修巖.?數字化轉型與企業成長：理論邏輯與中國實踐［J］．經濟管理，?2021（12）：79-97.

［14］Rothberg?H.?N.，?Erickson?G.?S.?Big?Data?Systems：?Knowledge?Transfer?or?Intelligence?Insights？［J］．Journal?of?Knowledge?Mnagement，?2017，21（1）：92-112.

［15］Pagani?M.Digital?Business?Strategy?and?Value?Creation：?Framing?the?Dynamic?Cycle?of?Control?Points［J］．Mis?Quarterly?Executive，?2013，37（2）：617-632.

［16］Olden?J.?D.，?Jackson?D.?A.?Illuminating?the?“black?box”：A?Randomization?Approach?for?Understanding?Variable?Contributions?in?Artificial?Neural?Networks［J］．Ecological?modelling，?2002，（1/2）：135-150.

［17］黎文靖，鄭曼妮.?實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響［J］．經濟研究，?2016，51（4）：60-73.

［18］吳非，胡慧芷，林慧妍，?等.?企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］．管理世界，?2021，37（7）：130-144+10.

［19］Baker?A.?C.，?Larcker?D.?F.，?Wang?C.?C.?Y.?How?Much?Should?We?Trust?Staggered?Difference-in-differences?Estimates？［J］．Journal?of?Financial?Economics，?2022（2）：370-395.

［20］溫忠麟，葉寶娟.?中介效應分析：方法和模型發展［J］．心理科學進展，?2014，22（5）：731-745.

［21］Jacobson?L.?S.，?Lalonde?R.?J.，?Sullivan?D.?G.?Earnings?Losses?of?Displaced?Workers［J］．American?Economic?Review，?1993，83（4）：685-709.

［22］李平，方健.?環境規制、數字經濟與企業綠色創新［J］．統計與決策，?2023，39（5）：158-163.

［23］張昊，劉德佳.?數字化發展對先進制造企業服務創新的影響研究——基于企業動態能力視角［J］．中國軟科學，?2023（3）：150-161.

［24］杜明威，耿景珠，劉文革.?企業數字化轉型與中國出口產品質量升級：來自上市公司的微觀證據［J］．國際貿易問題，?2022（6）：55-72.

Marketization?of?Data?Elements，?Digital?Transformation，?and?Green?Innovation?of?Firms

ZHOU?Xuefeng，?WANG?Daying

（School?of?Business，?Zhengzhou?University?of?Aeronautics，?Zhengzhou?450046，China）

Abstract：?As?the?core?production?factor?in?the?digital?economy?era，?data?elements?are?a?new?engine?for?promoting?firms?green?innovation?and?development.?Based?on?the?data?of?A-share?listed?firms?in?Shanghai?and?Shenzhen?Stock?Exchange?from?2013?to?2021，?this?paper?uses?the?DID?model?and?the?mediating?effect?model?to?explore?how?data?element?marketization?influences?firms?green?innovation?through?digital?transformation.?The?results?show?that?data?elements?marketization?can?promote?firms?green?innovation，?and?digital?transformation?plays?a?mediating?role?between?the?two.?Heterogeneous?analysis?shows?that?the?mediating?effect?of?digital?transformation?is?mainly?reflected?in?group?with?higher?level?of?digital?infrastructure?and?in?group?with?higher?level?of?dynamic?capability.?Further?research?has?found?that?the?mediating?effect?of?underlying?technologies?between?data?element?marketization?and?firms?green?innovation?is?higher?than?that?of?practical?applications.?The?mediating?effect?of?digital?transformation?between?marketization?of?data?elements?and?radical?green?innovation?is?higher?than?that?between?data?elements?marketization?and?incremental?green?innovation.

Key?words：data?elements?marketization;?digital?transformation;?green?innovation;?mediating?effect

（責任編輯：趙春江）