供應鏈數字化對企業持續綠色創新的影響評估

〔摘 要〕 ２０１８ 年《關于開展供應鏈創新與應用試點的通知》的出臺標志著我國供應鏈數字化的落地與實施， 在高水平對外開放新格局下為企業持續綠色創新提供了新機遇。本文基于２００７～２０２２ 年Ａ 股上市公司數據， 采用雙向固定雙重差分法和調節中介模型， 將供應鏈數字化對企業持續綠色創新的影響進行評估， 并分析了其影響機制。結果表明， 供應鏈數字化可以有效提升企業持續綠色創新水平， 經過系列檢驗后結果依然穩??； 異質性分析表明， 橫向上， 供應鏈數字化有助于規模較大、國有、經營能力較強、股權結構存在關聯的企業提高其持續綠色創新水平， 縱向上， 在制造業、高科技行業、非重污染行業和非勞動密集型行業中， 試點政策的效應更加顯著； 機制分析發現， 融資約束發揮了部分中介作用， 企業規模在融資約束促進企業持續綠色創新的關系中起正向調節作用。本文結論有助于拓寬微觀企業供應鏈數字化在持續綠色創新領域的研究， 為政府加快供應鏈智慧轉型升級、助力企業持續綠色創新提供了經驗證據。

〔關鍵詞〕 供應鏈數字化 持續綠色創新 融資約束 ＤＩＤ 調節中介效應 企業規模

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．０６．０１６

〔中圖分類號〕Ｆ２７３. １； Ｆ０６２. １ 〔文獻標識碼〕Ａ

引 言

在新一輪科技革命和產業變革下， 綠色科技創新是實現新質生產力和經濟高質量發展的核心支撐。黨的二十大報告指出， 人與自然和諧共生的關鍵是實現綠色轉型； ２０２３ 年１２ 月召開的中央經濟工作會議提出， 通過綠色轉型與創新驅動可以實現減碳與經濟增長雙贏的可持續發展模式。目前， 我國的綠色創新具有規模大、速度快的雙重優勢， 但存在創新競爭力較小、與國際差距較大等問題。由于企業在短期內的創新僅能獲得短暫的超額利潤［１，２］ ， 而競爭優勢主要源自長時間內的創新能力［３，４］ ， 因此要保持企業長期競爭力，必須實現持續綠色創新。內生增長理論認為技術創新是經濟增長的決定因素。當市場飽和時， 供應鏈企業成為經濟增長的制約因素。因此， 持續創新供給才能提高消費者的消費意愿， 進而推動經濟的長期增長； 另外， 內生增長理論還認為技術創新內生于系統， 既受內部因素如研發專利投入的影響， 又受外部因素如政策的影響， 在此情景下， 供應鏈創新與應用試點政策的實施強化了技術創新的自我驅動性。因此， 借政策之力研究供應鏈數字化提升企業持續綠色創新水平， 成為當下理論與實務界的主線。數字技術的迅猛發展為我國經濟高質量發展提供了不竭動力， 隨著數字技術與實體經濟的相互交融， 催生了新的發展業態， 其中供應鏈數字化便是其中之一。

從供應鏈數字化概念內涵來看， 廣義上， 供應鏈數字化是在供應鏈管理中數字技術的使用［５］ ；狹義上， 是指充分利用數字技術在供應鏈成員中起到的數據交互作用， 在滿足用戶需求的基礎上，通過數智賦能商業對供應鏈的計劃、執行和控制進行指導的數字化轉型過程［６］ 。供應鏈數字化通過推動傳統供應鏈與新一代信息技術的深度融合，對加快我國企業持續綠色創新的實現發揮了積極作用。企業持續綠色創新是指企業在相當長的時間內保持創新經濟效應的同時， 持續不斷地推出并實施旨在節能降耗、減少污染、改善環境質量的綠色創新項目的過程［７］ ， 這個過程具有４ 種特征， 分別為時間可持續、經濟效益增長可持續、企業發展可持續以及綠色環保［８］ 。在“雙碳” 目標下， 企業成為應對氣候變化和實現綠色發展的重要責任主體， 因此必須以綠色創新為基礎， 以持續創新為目標。然而目前企業對現存技術路徑存在嚴重依賴性， 制約了企業綠色創新的積極性；同時， 持續創新面臨的眾多不確定性以及高昂的投資成本， 使企業陷入融資困境。在技術與資金的雙重阻力下， 探討供應鏈數字化對企業持續綠色創新的影響具有重要的現實和理論意義。

在研究內容上， 本文創造性地分析供應鏈數字化對企業持續綠色創新的影響及其機理； 在研究指標上， 本文將供應鏈創新與應用試點政策作為準自然實驗， 能有效應對國家政策指標無法量化的難題； 在研究視角上， 本文從橫向和縱向兩個層面揭示了試點政策對不同類型企業持續綠色創新的影響； 在研究機制上， 本文同時考慮了試點政策對企業持續綠色創新影響路徑的內部性和外部性。

１ 文獻綜述與理論假說

１. １ 供應鏈數字化對企業持續綠色創新的直接傳導機制

根據組織能力理論， 戰略組織活動同時需要外部環境資源和應對外部環境的能力， 供應鏈數字化撬動了企業共享模式的創新與流程的再造［１２］ ，實現有效配置企業綠色研發資源， 使企業創新模式由傳統非環保向智能綠色轉變， 而持續綠色創新離不開動態創新能力， 這就需要企業滿足技術的漸進與躍遷， 保持綠色創新的動態可持續。以企業內部為視角， 供應鏈數字化促進了創新研發者之間、創新部門之間的交流， 加速了資源環境信息的及時反饋［９，１３］ ； 以企業外部為視角， 數字技術加強了供應商與政府、供應商與客戶之間的交流，及時滿足了客戶對創新的需求。因此， 在企業內外， 有效的資源共享和高效的資源整合使企業在生產制造時降低資源消耗、減少污染排放， 在精準匹配市場需求時研發客戶需要的可再生綠色產品［１１］ 。

綜上所述， 本文提出假設Ｈ１： 在其他條件相同的情況下， 供應鏈數字化會提升企業持續綠色創新水平。

１. ２ 供應鏈數字化對企業持續綠色創新的間接傳導機制

信號傳遞理論認為， 企業進行數字化轉型是涵蓋技術更新和向外部傳遞積極信號的過程［１６］ ，有助于展現企業資源獲取和學習能力， 吸引資本市場進行資金支持， 企業融資壓力得到緩解。同時， 數字化轉型為企業獲取數字資源的邊際成本降低以及創新的降本增效提供了重要契機［１０］ ， 即在保持企業資金鏈穩定的同時擠出更多資金［１７］ ，再次運用到綠色創新， 實現創新的可持續。在金融機構領域， 金融機構在政府引導下積極加強了與供應鏈核心企業的合作， 通過信貸和債券等方式為供應鏈企業提供現金支持［１８］ ， 降低了供應鏈企業的融資壓力； 同時， 金融機構針對產業鏈的生產經營能力、還款能力及節奏規律， 解決了評估融資企業“還款能力” 和“還款意愿” 的痛點問題， 有效地幫助銀行識別客戶真實的資金需求并及時監測異常變動。

綜上所述， 本文提出假設Ｈ２： 供應鏈數字化可以緩解企業的融資約束進而實現持續綠色創新。

１. ３ 供應鏈數字化對企業持續綠色創新的帶調節的中介傳導機制

企業規模的調整效應在反映企業的研發支出和追加研發投入潛力的同時， 能夠揭示不同規模企業之間資源配置和風險承受能力的顯著差異［１９］ 。從資源分配來看， 大型企業在技術積累和人才儲備方面具有明顯的優勢［２０］ 。企業規模越大， 其擁有的資源越豐富， 既可以通過“知識積累” 機制實現企業持續性創新， 又可以打破企業“資源壁壘”， 為企業的綠色創新提供不竭動力。根據競爭原理， 企業在市場競爭中不斷追求創新和效率提升。由于大型企業規模龐大、經驗豐富， 因此更容易實現技術上的領先［２１］ ， 提升企業的競爭能力。同時， 大規模企業所產生的“規模效應” 能夠降低企業創新成本， 利于緩解企業在持續綠色創新過程中的資金約束， 使企業實現持續研發。

基于企業規模存在的調節效應， 本文提出假設Ｈ３： 企業規模負向調節融資約束對企業持續綠色創新的影響。

２ 研究設計

２. １ 樣本選取與數據來源

本文以２００７～２０２２ 年我國所有Ａ 股上市公司樣本作為初始研究對象， 對選取樣本進行如下篩選： （１） 剔除金融類企業； （２） 剔除ＳＴ、? ＳＴ 企業； （３） 剔除關鍵變量數據缺失的樣本。最終保留包含３８２０ 家企業的３８３７５ 個企業－年度樣本觀測值。本文對所有連續變量均進行了雙向１％的縮尾處理。本文綠色專利數據來源于國家知識產權局， 其他變量均來源于ＣＳＭＡＲ 數據庫及ＣＮＲＤＳ數據庫。

２. ２ 變量選取

（１） 被解釋變量： 企業持續綠色創新水平（ＯＩＰ）

借鑒何郁冰等（２０１７）［２２］ 及相關文獻的做法，采用綠色專利申請（ＯＩＮ）的前后期對比來反映企業綠色創新的持續程度， 具體如式（１） 所示。

（２） 核心解釋變量： 供應鏈數字化（Ｔｉｍｅ ×Ｔｒｅａｔ）

將 試點企業設為處理組， 非試點企業設為控制組。具體地， Ｔｉｍｅ 為實施前后年份虛擬變量。即將２０１８ 年及以后年份賦值１， 未實施年份賦值０。Ｔｒｅａｔ 為試點企業虛擬變量， 將試點企業Ｔｒｅａｔ賦值１ 納入處理組， 否則賦值０ 納入控制組。

（３） 中介變量： 融資約束（ｆｕｓａ）

本文選取融資約束作為中介變量。由于ＳＡ指數為負數， 因此將其取絕對值后表征融資約束，指數越大表示融資約束程度越大。

（４） 調節變量： 企業規模（ｓｉｚｅ）

本文選取企業規模作為調節變量， 具體取年總資產的自然對數來衡量。

（５） 控制變量

控制變量選取以下可能影響企業持續綠色創新的因素： 資產負債率（ｌｅｖ）、長期資本負債率（ｄｌ?ｃｒ）、總資產增長率（ａｓｓｅｔｇｒｏｗｔｈ）、托賓Ｑ 值（ｔｏ?ｂｉｎｑ）、股權赫芬達爾指數（ｈｅｒｆｉｎｄａｈｌ３）、現金流比率（ｃａｓｈｆｌｏｗ）、兩職合一（ｄｕａｌ）。具體變量說明如表１ 所示。

２. ３ 模型設計與變量選擇

２. ３. １ 雙向固定雙重差分模型

構建式（２） 基準模型， 檢驗供應鏈數字化對企業持續綠色創新水平的影響：

ＯＩＰｉｔ ＝α０ ＋α１Ｔｉｍｅ ×Ｔｒｅａｔｉｔ ＋γＣｏｎｔｒｏｌｓｉｔ ＋ηｉ ＋λｔ ＋εｉｔ （２）

其中： ＯＩＰｉｔ為被解釋變量， 代表企業ｉ 在第ｔ年的持續綠色創新水平。Ｔｉｍｅ×Ｔｒｅａｔｉｔ 為供應鏈數字化變量， 其模型系數α１ 反映供應鏈數字化的政策效果， 若α１ 為正， 說明供應鏈數字化提升了企業持續綠色創新水平， 反之則會降低企業持續綠色創新水平。Ｃｏｎｔｒｏｌｓｉｔ為企業層面的控制變量集；ηｉ 為個體固定效應； λｔ 為時間固定效應； εｉｔ 為隨機擾動項。

２. ３. ２ 中介效應模型

如圖１ 所示， ｃ 表示解釋變量供應鏈數字化（Ｔｉｍｅ×Ｔｒｅａｔ）對被解釋變量企業持續綠色創新水平（ＯＩＰ）的總效應， ｃ′表示解釋變量（Ｔｉｍｅ×Ｔｒｅａｔ）對被解釋變量（ＯＩＰ）產生的直接作用， ａ?ｂ 表示解釋變量（Ｔｉｍｅ×Ｔｒｅａｔ）通過中介變量融資約束（ｆｕ?ｓａ）對被解釋變量（ＯＩＰ）的中介效應， 其中ｃ ＝ａ?ｂ＋ｃ′。因此可以通過判斷直接效應ｃ′是否顯著來衡量中介效應， 若ｃ′顯著則融資約束為部分中介效應， 反之為完全中介效應。

２. ３. ３ 帶調節的中介效應模型

為進一步厘清供應鏈數字化對企業持續綠色創新水平的影響路徑， 采用帶調節的中介效應模型進行進一步檢驗。該模型可檢驗調節變量在自變量對因變量的中介路徑中的調節作用［２３，２４］ 。基于前文的理論機制分析， 在中介作用的基礎上，以企業規模（ｓｉｚｅ）作為調節變量進行研究。由圖２可知， ｄ 表示調節變量（ｓｉｚｅ）對中介變量（ｆｕｓａ）影響被解釋變量（ＯＩＰ）的調節效應。

綜上， 本文構建如下檢驗模型：

ｆｕｓａｉｔ ＝β１０＋β１１ Ｔｉｍｅ×Ｔｒｅａｔｉｔ ＋β１２ ｓｉｚｅｉｔ ＋γＣｏｎｔｒｏｌｓｉｔ ＋ηｉ ＋λｔ ＋εｉｔ （３）

ＯＩＰｉｔ ＝ β２０ ＋β２１ Ｔｉｍｅ ×Ｔｒｅａｔｉｔ ＋β２２ ｓｉｚｅｉｔ ＋β２３ ｆｕｓａ ＋γＣｏｎｔｒｏｌｓｉｔ ＋ηｉ ＋λｔ ＋εｉｔ （４）

ＯＩＰｉｔ ＝β３０ ＋β３１Ｔｉｍｅ×Ｔｒｅａｔｉｔ ＋β３２ｆｕｓａ＋β３３ｓｉｚｅｉｔ ＋β３４ｆｕｓａ×ｓｉｚｅｉｔ ＋γＣｏｎｔｒｏｌｓｉｔ ＋ηｉ ＋λｔ ＋εｉｔ （５）

ｉ ＝１，２，…，３８２０（表個體：上市企業）， ｔ ＝２００７，２００８，…，２０２２（表時間： 年份）， ηｉ 表示時間固定效應， λｔ 表示個體固定效應， εｉｔ表示隨機擾動項。

３ 實證分析

３. １ 平行趨勢檢驗

在分別提前和滯后４ 年供應鏈創新與應用試點政策的時間后， 對處理組和控制組變化差異進行觀察。如圖３ 所示， 在實施政策前， 處理效應系數的置信區間穿過Ｘ 軸， 表明處理組與控制組的企業不存在顯著差異； 在２０１８ 年供應鏈創新與應用試點政策實施后， 置信區間逐漸偏離Ｘ 軸，平行趨勢檢驗通過驗證。

３. ２ 雙向固定雙重差分回歸

在表２ 中， 所有模型均采用雙向固定效應的雙重差分回歸方法， 并以列（５） 作為參考基準。列（１） 未加入任何控制變量， 供應鏈數字化的系數在１％水平上顯著為正。在列（２） ～（５） 中依次加入控制變量， 結果保持穩定， 證實了供應鏈數字化對企業綠色創新水平的積極影響， 假說Ｈ１得以驗證。

３. ３ 穩健性檢驗

３. ３. １ 安慰劑檢驗一： 實驗組隨機化

按照表２ 的列（５） 進行回歸， 根據虛擬實驗得到雙向固定雙重差分回歸估計系數的概率來判斷結果的可靠性。為進一步增強安慰劑檢驗的效力， 將原始數據中對交互項隨機抽?。担埃?次， 檢驗政策系數是否與雙向固定雙重差分回歸結果存在顯著差異， 最后繪出交互項Ｔｉｍｅ×Ｔｒｅａｔ 的估計系數分布（圖４）和Ｔ 值圖（圖５）， 隨機抽樣系數以０ 為均值， 呈正態分布， 隨機抽樣結果的Ｔ 值都位于零值附近， 表明雙向固定雙重差分回歸結果不是偶然得出， 因此結果穩健。

３. ３. ２ 安慰劑檢驗二： 反事實檢驗

事實上， 除供應鏈創新與應用試點政策外，在２００７～２０２２ 年間的樣本期間內可能存在其他的政策或不可觀測的影響因素導致企業的持續綠色創新水平出現變化， 使得企業持續綠色創新水平與該政策無關， 通過改變供應鏈創新與應用試點政策時間的方法進行反事實實驗， 即將試點政策提前１０ 年至２００８ 年， 且加入控制變量， 具體結果見表３ 列（１）。結果顯示， 將試點政策提前至２００８年后， 估計系數并不顯著， 這說明企業的持續綠色創新水平并非由其他政策或其他因素導致的。

３. ３. ３ 增加控制變量

管理費用率（ｍｆｅｅ）、總資產周轉率（ａｔｏ）也是影響企業持續綠色創新水平的影響因素， 故將其加入控制變量中。采用管理費用與營業收入的比值衡量管理費用率， 以營業收入與平均資產總額的比值衡量總資產周轉率。結果如表３ 列（２） 所示， 緩解遺漏變量問題后結果既然穩健。

３. ３. ４ ＰＳＭ－ＤＩＤ

為解決樣本中存在的自身系統性差異和選擇偏差問題， 選擇近鄰匹配的ＰＳＭ－ＤＩＤ 方法重新對處理組和控制組進行回歸， 圖６ 展示出兩組樣本控制變量的差異明顯減小， 且表３ 列（３） 顯示回歸結果依然穩健。

３. ３. ５ 更換被解釋變量

將綠色專利申請分別更換為綠色發明專利總共申請數量、綠色實用新型專利總共申請數量， 得到企業綠色創新持續程度二（ＯＩＰ２）和企業的綠色創新持續程度三（ＯＩＰ３）， 重新分別進行回歸， 結果如表３ 列（４） 和（５） 所示， 依然穩健。

３. ３. ６ 工具變量檢驗

為解決模型可能存在的內生性問題， 將滯后１ 期的自變量作為工具變量進行２ＳＬＳ 回歸。表３中的列（６） 和（７） 展示了研究結果， 工具變量與供應鏈數字化呈顯著正相關， 而第二階段供應鏈數字化仍然顯著。Ｋｌｅｉｂｅｒｇｅｎ－Ｐａａｐｒｋ ＬＭ 統計量在１％顯著水平上拒絕了原假設， 檢驗值為２２０００００，大于１０， 表明工具變量滿足可識別性； Ｃｒａｇｇ－Ｄｏｎ?ａｌｄ Ｗａｌｄ Ｆ 統計量為１３００００， 超過了Ｓｔｏｃｋ－Ｙｏｇｏ 弱工具變量檢驗在１０％顯著水平上的臨界值， 通過弱工具變量檢驗， 證明工具變量的有效性。

３. ４ 企業異質性分析

企業的生產行為受多種因素的綜合影響， 本文旨在探究供應鏈數字化對不同類型企業持續綠色創新水平的影響。為此， 本文以企業規模、所有權性質、經營能力、前十大股東的關聯性作為橫向異質性， 以所處行業作為縱向異質性， 對企業進行異質性研究。３. ４. １ 橫向異質性。

（１） 企業規模

以企業規模的中位數作為分界線， 將企業樣本劃分為大企業和中小企業， 檢驗供應鏈數字化對不同規模企業持續綠色創新水平的異質性影響。如表４ 中列（１）、（２） 所示， 大型企業的供應鏈數字化在１％水平上顯著為正， 而中小型企業的系數為負， 表明大型企業的供應鏈數字化影響更為顯著。原因可能有： 大企業通常具備更強的政策適應能力， 能更充分地利用規模經濟， 有效協調和整合供應鏈各個環節， 降低整體成本， 從而更容易實現綠色創新。

（２） 企業所有權性質

由于國有企業與非國有企業在組織結構、決策機制以及市場定位方面受到差異化影響， 導致試點政策對企業持續綠色創新水平的影響存在顯著差異。將企業樣本分為國有和非國有企業， 研究供應鏈數字化對兩類企業持續綠色創新水平的差異化影響。表４ 中列（３）、（４） 顯示， 國有企業的政策效應系數在１％水平上顯著為正， 而非國有企業的樣本系數不顯著?？赡艿脑蚴牵?相較于非國有企業， 國有企業通常擁有雄厚的工業基礎、完善的生產線布局和成熟的生產技術， 供應鏈數字化對于國有企業發揮資源集聚及整合優勢更為有利， 進而提高其持續綠色創新水平。

（３） 企業經營能力

企業的資源基礎論認為， 企業的可持續競爭優勢來自于其獨特、難以模仿的資源和能力。在這個框架下， 企業經營能力涵蓋了管理水平、技術創新、市場開發等多個方面。經營能力較強的企業在供應鏈創新中能更好地整合、配置和管理資源， 提高創新效率和成功概率。本文根據企業賬面市值比中位數將企業樣本分為經營能力較強和經營能力較弱兩組。如表４ 列（５）、（６） 所示，當企業經營能力較強時， 供應鏈數字化的系數在１％水平上顯著為正， 而當企業經營能力較弱時，系數并不顯著。這表明經營能力較強的企業試點政策對其持續綠色創新水平的政策效應更為明顯。

（４） 股權結構關聯

股東關聯可以通過減少信息不對稱來促進企業內部的信息流通， 從而更有效地整合綠色創新資源， 推動綠色創新的實現。其次， 股權關聯可以減少管理層與股東之間的利益沖突， 使企業更能專注于長期可持續的綠色創新目標。表４ 列（７）、（８） 的回歸結果顯示， 當企業股權結構存在關聯時， 政策系數顯著為正， 而當企業股權結構不存在關聯時， 政策系數為正但不顯著。這意味著， 股權結構存在關聯的企業試點政策對其持續綠色創新水平的政策效應更為明顯。

３. ４. ２ 縱向異質性

縱向來看， 不同行業在資源配置和創新方面存在差異， 因此， 供應鏈數字化對企業的影響也可能存在行業之間的異質性。因此本文通過研究供應鏈數字化效應的行業異質性， 使政策制定者更有針對性地設計促進綠色創新的政策框架， 將經濟效益最大化。

（１） 制造業行業

供應鏈結構不同會使企業受到供應鏈數字化的影響存在差異。制造業企業與非制造業企業存在供應鏈結構上的差異， 非制造業企業的供應鏈相對簡單。表５ 列（１）、（２） 顯示， 制造業行業的企業其政策效應在１％水平上顯著為正， 而非制造業企業政策效應不顯著。究其原因， 從外部環境來看， 制造業是實體經濟的主體， 同時也是創新驅動的主戰場。本文試點政策的樣本中制造業行業３９３ 個， 占比６２. ６８％， 通過供應鏈創新試點的推動可以實現制造業的技術升級， 提高整個產業的附加值、刺激經濟增長并提升國家競爭力。從內部因素來看， 制造業供應鏈通常較為龐大， 不同環節的企業更好地協同合作發揮協同效應， 相比之下， 非制造業產業鏈較為簡單， 實現協同效應的難度較大， 因此制造業企業對持續綠色創新水平的政策效應更為明顯。

（２） 高科技行業

按照證監會２０１２ 年行業分類標準對我國上市公司分為高科技行業和非高科技行業， 對兩組行業分別進行回歸， 表５ 中列（３）、（４） 結果顯示，高科技行業的政策效應在１％水平上顯著為正， 而非高科技行業的系數為正但不顯著。原因可能是，高科技行業的本質是依賴于先進技術和創新， 政府可能在高科技行業領域給予更多的政策支持， 因此在供應鏈中更容易推動綠色創新。

（３） 重污染行業

根據中國證券監督管理委員會２０１２ 年修訂的《上市公司行業分類指引》和環保部發布的《上市公司環保核查行業分類管理名錄》， 將本文研究樣本中９８７１ 個樣本定義為重污染行業后進行分組回歸， 結果見表５ 列（５）、（６）， 重污染行業的政策效應在１０％水平上顯著為正， 而非重污染行業的回歸系數在１％ 水平上顯著為正。原因可能是， 非重污染行業在政府引導下進行供應鏈創新， 有助于打破路徑依賴， 推動新技術的采納進而找到環保的技術方案， 而重污染行業易受到路徑依賴的限制， 難以快速調整生產方式。

（４） 勞動密集型行業

按照證監會行業分類標準， 根據生產要素的密集程度將行業分為勞動密集型和非勞動密集型。回歸結果見表５ 列（７）、（８）， 勞動密集型行業的政策效應在１０％ 水平上為正， 相較勞動密集型，非勞動密集型行業的政策效應更為顯著， 在１％水平上顯著為正， 且系數大于勞動密集型行業?？赡艿脑蚴?， 勞動密集型行業其勞動要素占比較高， 主要集聚大量的低技能勞動力， 對技術和設備的依賴程度較低， 更傾向對現有技術進行模仿改造。而非勞動密集型行業的綠色持續創新研發成本與技術風險雖然較高， 但企業在生產技術改進和持續研發創新的過程中受到政策試點的激勵更大。因此， 供應鏈數字化的提質效應在非勞動密集型企業中更為突出。

４ 影響路徑實證分析

４. １ 融資約束的中介傳導效應檢驗

中介傳導回歸結果如表６ 所示， 列（１） 表示供應鏈數字化對企業持續綠色創新水平的總效應在１％水平上顯著， 即試點政策可以有效促進企業持續綠色創新。列（２） 可以看出， 試點政策的效應系數在１％ 水平上顯著為負， 即試點政策能有效緩解融資約束， 假設Ｈ２ 成立。列（３）中， 政策效應的系數估計值為４. ６４４， 且在１％水平上顯著為正， 表明中介變量融資約束起部分中介作用， 即供應鏈數字化既直接影響企業持續綠色創新， 又通過融資約束影響企業持續綠色創新。

４. ２ 供應鏈數字化、融資約束與企業綠色持續創新： 外部影響

表６ 列（４） 顯示， 企業規模的估計系數在１％水平上顯著為正， 即企業規模對企業持續綠色創新呈正面影響。在中介機制的后半段路徑， 企業規模與融資約束交互項的系數在１％ 水平上顯著為負， 說明企業規模負向調節融資約束對企業持續綠色創新的影響， 假設Ｈ３ 成立。由此可知，在企業規模的調節下， 其規模越大， 企業的融資約束越小， 進而促進企業進行持續綠色創新。具體影響路徑如圖７ 所示。

５ 結論與政策啟示

本文利用２００７～２０２２ 年上市公司數據， 實證研究供應鏈數字化對企業持續綠色創新的影響及作用機制。結果表明： 供應鏈數字化能顯著提高企業持續綠色創新水平， 在進行系列穩健性檢驗后結果依然成立。關于異質性檢驗， 從橫向來看，供應鏈數字化有利于規模較大、國有、經營能力較強和股權結構存在關聯的企業提高其持續綠色創新水平； 縱向來看， 在制造業、高科技行業、非重污染行業和非勞動密集型行業中， 效應更加顯著。影響機制表明， 融資約束起部分中介作用， 企業規模在融資約束促進企業持續綠色創新中起正向調節作用。

基于本文的研究結論， 提出如下政策建議：

（１） 充分把握供應鏈數字化轉型機遇。強化企業對供應鏈數字化轉型的引導， 打破企業存在的“不能轉、不想轉、不會轉、不敢轉” 的共性問題， 以清晰的路徑和低門檻助企紓困， 讓企業的數字化轉型從“選擇題” 轉為“必修課”。充分發揮優秀供應鏈試點企業的標桿作用， “以點帶面” 實現更大范圍的供應鏈數字化， 夯實數字化基礎。

（２） 加強試點政策的針對性， 即在政策實施過程中做到適配企業內外部條件， 實現“因企施策” 和“因業制宜”， 避免采取過于激進的“一刀切” 方式； 同時， 企業在面對供應鏈創新與運用試點政策時， 應在深刻理解自身所在行業異質性特征的基礎上， 及時總結、學習供應鏈數字化轉型成功經驗， 以便更好地形成供應鏈數字化發展勢能， 把握綠色創新機遇。

（３） 應充分考慮向規模較大企業提供更多的數字化轉型及融資優惠政策。在維持企業內部現有消費群體的情況下進行內生式擴展， 逐步實現利潤積累； 在加強企業與外界創新主體合作的情況下， 進行外延式發展， 逐步擴大企業的創新資源。同時， 應避免盲目擴張而落入“規模陷阱”。

參考文獻

［１］ Ｔａｖａｓｓｏｌｉ Ｓ， Ｋａｒｌｓｓｏｎ Ｃ． Ｐｅｒｓｉｓｔｅｎｃｅ ｏｆ Ｖａｒｉｏｕｓ Ｔｙｐｅｓ ｏｆ Ｉｎｎｏｖａ?ｔｉｏｎ Ａｎａｌｙｓｅｄ ａｎｄ Ｅｘｐｌａｉｎｅｄ ［ Ｊ］． Ｒｅｓｅａｒｃｈ Ｐｏｌｉｃｙ， ２０１５， ４４（１０）： １８８７～１９０１．

［２］ 馬亮， 高峻， 仲偉俊， 等． 數字化轉型助力后發企業技術趕超———企業家精神視角［Ｊ］． 管理科學， ２０２３， ３６ （２）： ５３～７４．

［３］ Ｂａｓ Ｌ Ｃ， Ｓｃｅｌｌａｔｏ Ｇ． Ｆｉｒｍ Ｉｎｎｏｖａｔｉｏｎ Ｐｅｒｓｉｓｔｅｎｃｅ： Ａ Ｆｒｅｓｈ Ｌｏｏｋａｔ ｔｈｅ Ｆｒａｍｅｗｏｒｋｓ ｏｆ Ａｎａｌｙｓｉｓ ［Ｊ］． Ｅｃｏｎｏｍｉｃｓ ｏｆ Ｉｎｎｏｖａｔｉｏｎ ａｎｄ Ｎｅｗ Ｔｅｃｈｎｏｌｏｇｙ， ２０１４， ２３ （５－６）： ４２３～４４６．

［４］ 胡世亮， 黃永春， 徐高彥． 政策生命周期視角下產業政策不確定性與企業創新質量關系研究［Ｊ］． 管理評論， ２０２３， ３５（１０）： １１８～１３４．

［５］ Ｓｅｙｅｄｇｈｏｒｂａｎ Ｚ， Ｔａｈｅｒｎｅｊａｄ Ｈ， Ｍｅｒｉｔｏｎ Ｒ， ｅｔ ａｌ． Ｓｕｐｐｌｙ Ｃｈａｉｎ Ｄｉｇｉｔａｌｉｚａｔｉｏｎ： Ｐａｓｔ， Ｐｒｅｓｅｎｔ ａｎｄ Ｆｕｔｕｒｅ ［ Ｊ］． Ｐｒｏｄｕｃｔｉｏｎ Ｐｌａｎ?ｎｉｎｇ ＆ Ｃｏｎｔｒｏｌ， ２０２０， ３１ （２－３）： ９６～１１４．

［６］ Ｂüｙüｋ?ｚｋａｎ Ｇ， Ｇ??ｅｒ Ｆ． Ｄｉｇｉｔａｌ Ｓｕｐｐｌｙ Ｃｈａｉｎ： Ｌｉｔｅｒａｔｕｒｅ Ｒｅ?ｖｉｅｗ ａｎｄ ａ Ｐｒｏｐｏｓｅｄ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｆｕｔｕｒｅ Ｒｅｓｅａｒｃｈ ［ Ｊ］． Ｃｏｍ?ｐｕｔｅｒｓ ｉｎ Ｉｎｄｕｓｔｒｙ， ２０１８， ９７： １５７～１７７．

［７］ 向剛， 洪潔， 徐建華， 企業綠色持續創新理論與應用初探［Ｊ］． 昆明理工大學學報（理工版）， ２００２， （３）： １３４～１３６．

［８］ 洪潔， 李琳． 基于生態經濟環境下的企業綠色持續創新聯盟初探［Ｊ］． 經濟問題探索， ２００８， （７）： ５８～６１．

［９］ 宋德勇， 朱文博， 丁海． 企業數字化能否促進綠色技術創新？———基于重污染行業上市公司的考察［ Ｊ］． 財經研究，２０２２， ４８ （４）： ３４～４８．

［１０］ 申明浩， 譚偉杰． 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［Ｊ］． 南方經濟， ２０２２， （９）： １１８～１３８．

［１１］ 林永佳， 楊暢， 蔡幸． 企業數字化轉型與綠色創新能力升級———基于網絡效應的分析［Ｊ］． 現代財經（ 天津財經大學學報）， ２０２３， ４３ （２）： ３～１９．

［１２］ 袁淳， 肖土盛， 耿春曉， 等． 數字化轉型與企業分工： 專業化還是縱向一體化［Ｊ］． 中國工業經濟， ２０２１， （９）： １３７～１５５．

［１３］ 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，（７）： １３０～１４４．

［１４］ 羅序斌， 黃亮． 中國制造業高質量轉型升級水平測度與省際比較———基于“四化” 并進視角［ Ｊ］． 經濟問題， ２０２０，（１２）： ４３～５２．

［１５］ 劉亦文， 高京淋． 數字經濟發展對制造業企業投資效率提升的影響［Ｊ］． 金融經濟學研究， ２０２４， ３９ （２）： ７３～８９．

［１６］ 章貴橋， 沈婷芝． 專利質量、帶量采購中標與企業績效［Ｊ］．宏觀質量研究， ２０２３， １１ （３）： １～１７．

［１７］ 張澤南， 錢欣鈺， 曹新偉． 企業數字化轉型的綠色創新效應研究： 實質性創新還是策略性創新？ ［ Ｊ］． 產業經濟研究，２０２３， （１）： ８６～１００．

［１８］ 馬九杰， 黃建． 涉農企業參股銀行對企業主業業績的影響研究［Ｊ］． 湖南大學學報（ 社會科學版）， ２０２１， ３５ （ １）：３５～４４．

［１９］ 李平， 王春暉． 異質企業假定下政府研發資助效應的非線性檢驗［Ｊ］． 世界經濟文匯， ２０１１， （２）： １０３～１２０．

［２０］ 王金明， 斯建華． 數字技術跨國壟斷、“卡脖子” 困境與統一大市場構建［Ｊ］． 云南社會科學， ２０２３， （３）： ９９～１１１．

［２１］ 龍小寧， 張美揚． 標準的力量———來自中國標準必要專利的經驗證據［ Ｊ］． 管理世界， ２０２３， ３９ （ １０）： １４９ ～ １６８，２２７， １６９～１７３．

［２２］ 何郁冰， 周慧， 丁佳敏． 技術多元化如何影響企業的持續創新？ ［Ｊ］． 科學學研究， ２０１７， ３５ （１２）： １８９６～１９０９．

［２３］ 溫忠麟， 張雷， 侯杰泰． 有中介的調節變量和有調節的中介變量［Ｊ］． 心理學報， ２００６， （３）： ４４８～４５２．

［２４］ 張莉， 林與川． 實驗研究中的調節變量和中介變量［Ｊ］． 管理科學， ２０１１， ２４ （１）： １０８～１１６．

（責任編輯： 楊 婧）

基金項目： 國家社會科學基金項目“‘一帶一路’ 建設對中國天然氣貿易格局及國內價格形成機制影響研究” （項目編號： ２０ＢＧＬ２８９）； 新疆財經大學校級科研創新項目“‘雙碳’ 目標下碳排放權交易政策對能源結構調整的影響研究” （項目編號： ＸＪＵＦＥ２０２３Ｂ００４）。