數字化轉型對企業“漂綠”行為的影響

摘" "要：數字化轉型已被證實對研發操縱等企業投機行為具有治理效應，“雙碳”目標下，其對企業“漂綠”行為的影響有待深入研究。本文以2008—2021年中國A股上市公司為研究樣本，考察了數字化轉型與企業“漂綠”的關系。研究發現，數字化轉型能有效抑制企業“漂綠”行為，數字化轉型水平每提高1%，企業“漂綠”行為會降低3.42%。環境成本與媒體監督在數字化轉型與企業“漂綠”之間起部分中介作用。異質性分析表明，在環境規制強度較低、代理成本較高以及民營企業組別中，數字化轉型與企業“漂綠”行為的負相關關系更為明顯。經濟后果檢驗發現，數字化轉型通過抑制“漂綠”行為促進了企業的高質量發展。文章結論有助于為數字經濟時代的企業“漂綠”行為治理及經濟高質量發展提供重要政策啟示。

關鍵詞：數字化轉型；“漂綠”；環境成本；媒體監督

中圖分類號：F830" "文獻標識碼：A" 文章編號：1674-2265（2024）07-0065-12

DOI：10.19647/j.cnki.37-1462/f.2024.07.007

一、引言與文獻回顧

企業作為碳排放的重要主體，在我國實現“雙碳”目標和高質量發展中扮演著關鍵角色。近年來，各級政府紛紛出臺相應政策，從低碳試點城市、碳排放權交易試點的設立到綠色金融改革創新試驗區的獲批建設等，政策目標均重點指向企業的綠色低碳發展。已有研究表明，政府政策的激勵約束機制對企業的綠色技術創新和碳減排具有顯著的促進作用（肖仁橋等，2023；喻旭蘭和周穎，2023）[1，2]。然而，在環境信息強制性披露制度尚未全面建立、低碳發展缺乏有效監督的情況下，相關政策也會增加企業的“漂綠”行為（蘇冬蔚和劉子茗，2023）[3]，即部分企業會通過信息的選擇性披露、對資產標的進行綠色包裝、將綠色信貸資金投向非綠色項目等復雜隱蔽的手段進行投機行為，以達到獲取政策紅利或免于行政處罰的目的。企業“漂綠”獲得的短期收益會吸引更多的企業效仿，造成“劣幣驅逐良幣”的局面，引致政策性資源錯配，對整體社會福利產生嚴重負面影響（Delmas和Burbano，2011）[4]。就企業自身而言，“漂綠”行為一旦曝光，將會持續引發消費者信任危機和社會聲譽的重大損失，繼而引致外界投資意愿下降（Gatti等，2021）[5]、財務績效受損以及股票表現不佳（Du，2015）[6]等連鎖反應，不利于企業價值的提升。盡管如此，企業“漂綠”現象仍普遍存在并屢見報端，《南方周末》連續發布的9期“中國漂綠榜”顯示，“漂綠”的企業覆蓋乘用車、食品、化學制藥、養殖、建筑和服裝等眾多行業，更有個別企業屢屢上榜。在“雙碳”目標下，如何有效防控企業“漂綠”行為，化“漂綠”為“真綠”，是政府和學界亟待研究解決的問題。

隨著數字經濟時代的到來，數字化轉型已經成為企業可持續發展的必選項。已有研究表明，數字技術的持續嵌入能夠提升企業內部各部門之間的信息傳播效率（劉艷霞，2022）[7]，帶來公司運營、管理以及決策模式的全方位、深層次組織變革（劉洋等，2020）[8]，而內部信息透明度的提高緩解了企業與外界的信息不對稱，在吸引潛在投資者的同時也拓寬了外部監督渠道（王會娟等，2022）[9]，繼而能夠有效抑制盈余操縱（羅進輝和巫奕龍，2021）[10]與研發操縱（董松柯等，2023）[11]等投機行為。而企業“漂綠”作為一種典型的機會主義行為，數字化轉型對其是否具有抑制作用及其作用路徑尚不清晰。已有研究指出，企業數字化轉型能夠有效打破信息壁壘，大幅減少環境信息的披露成本，進而提升企業發布環境信息的意愿，同時數字技術應用可編譯海量環境數據使其輸出為可比信息，進而提升環境信息披露質量（劉敏等，2023）[12]。此外，數字技術所帶來的信息通用性與滲透性拉近了企業與利益相關者之間的距離，使雙方互動更加透明化，同時提升了企業環境治理主體責任意識（肖紅軍等，2021）[13]，進而通過信息披露機制促使企業切實履行環境責任。因此，可以推斷數字化轉型在企業“漂綠”治理中應發揮著積極作用。

關于企業“漂綠”行為的影響因素，已有文獻主要從企業外部與內部兩個層面展開論證。在企業外部層面，當政府環境監管政策過于嚴格時，企業有強烈的動機通過“漂綠”來避免或推遲環保處罰，而綠色發展的政策紅利也是企業實施“漂綠”行為的一個重要誘因，綠色金融改革創新試驗區、低碳試點城市等政策雖對企業綠色低碳發展產生了激勵作用，但也在一定程度上為企業的“漂綠”操縱留下了空間（蘇冬蔚和劉子茗，2023；馬凌遠和丁博雯，2023）[3，14]，而以媒體報道為代表的外部監管對企業“漂綠”行為能夠產生直接的抑制作用。就企業自身而言，處于成長期的較大規模企業為獲得暫時的綠色溢價更傾向于“漂綠”（Delmas和Burbano，2011）[4]，“漂綠”也與企業的組織文化、業績表現、股權結構等有關，內部自利主義盛行的企業更可能實施“漂綠”行為（Blome等，2017）[15]，業績期望落差會通過加劇融資約束與管理層短視而引致企業“漂綠”（李強和宋嘉瑋，2022）[16]，綠色機構共同持股與中小股東的監督均能有效抑制企業的“漂綠”行為（沈弋等，2023；王壘等，2023）[17，18]。然而，數字化轉型作為企業內部的一種深層次變革，其對于“漂綠”的影響并未得到應有的關注。

基于此，本文嘗試探討數字化轉型對企業“漂綠”行為的影響，以2008—2021年滬深A股上市公司為研究樣本，實證檢驗兩者的關系及其作用機制。本研究的邊際貢獻在于：第一，現有研究更多從企業內部的組織文化、業績表現和股權結構等不同角度探討了“漂綠”的成因或治理機制，而本文基于數字化轉型的視角研究“漂綠”問題，豐富了企業“漂綠”行為的影響因素研究；第二，已有文獻指出數字化轉型能夠抑制諸如盈余操縱、研發操縱等投機行為，沿著這一邏輯，本研究從“漂綠”行為的投機屬性切入探討數字化轉型的治理效應，拓展了數字化轉型的經濟后果研究；第三，本文從環境成本和媒體監督兩個方面論證了數字化轉型對企業“漂綠”的作用機制，并從環境規制、代理成本以及產權性質等方面檢驗了其影響的異質性，為數字經濟背景下政府“漂綠”治理提供了新的經驗證據，也為數字要素賦能綠色發展提供了一種新的思路。

二、理論分析與研究假設

（一）數字化轉型與企業“漂綠”行為

基于行為動機，企業“漂綠”可分為主觀操縱和被動掩飾兩類，前者表現為追逐短期經濟利益而采用浮于表面的綠色承諾或通過有目的性地操控有關組織、媒體來美化其“失真”的環境信息，而后者往往是受制于綠色認知理念不深或自身發展能力不足等短板，在政府環境規制壓力或其他企業“漂綠”效應下的一種被動選擇或跟風行為，例如選擇性披露等。已有研究表明，發布數量化的環境信息比定性描述更能反映企業真實的環境績效（沈洪濤等，2014）[19]，然而當前企業環境數據欠缺，加之環境信用評級機構補充底層數據庫困難重重，間接影響了數據完整性和時效性，進而放大了銀企、政企之間的信息不對稱程度，使得企業“漂綠”行為無法得到有效根治。

數字技術的引入以及數據中臺的搭建對于推動企業環境信息全流程管理升級至關重要。首先，云計算、大數據等數字技術在深度融入企業生態環境治理的過程中，可對企業價值鏈與生產經營全過程的碳排放、輻射等環境信息進行有效集成和共享，將眾多分散的綠色數據進行標準化、結構化處理，以減少數據處理過程中存在的人為主觀臆斷和個體化理解偏差，進而提高企業環境披露報告質量，弱化其被動“漂綠”動機。其次，信息管理系統等數字平臺可實時監測企業碳排放狀態，使得企業在處理環境業務流程時減少模糊節點與管理摩擦，從而對管理層的機會主義行為形成隱性制約，減少企業主動“漂綠”的灰色空間。最后，數字技術的深度嵌入在提高企業數據治理能力的同時也拓展了與利益相關者之間的信息渠道，推進企業內部治理更加透明化，同時良好的環境治理績效有利于吸引投資者關注（程博，2019）[20]和獲得正面的媒體評價，進而強化了環境信息披露的信號傳遞效應，使得企業有動機披露真實的綠色轉型成果。基于上述分析，本文提出假設H1。

H1：數字化轉型能夠抑制企業“漂綠”行為。

（二）數字化轉型、環境成本與企業“漂綠”行為

追逐純粹的經濟利益，被視為企業實施“漂綠”行為的關鍵誘因。根據外部性理論，企業在經營過程中常常將環境成本轉嫁至外部（張吉廷和朱進東，2024）[21]，以此攫取更多的經濟利益。然而，在面臨嚴格的環境監管時，合規性壓力會促進環境成本內部化，并可能伴隨一定的合規成本支出，而這極易引發成本收益失衡，對企業追求穩定的收益增長及實現利潤最大化的核心目標構成阻礙。同時，環境成本內部化會導致環境治理支出增加，進而引發總成本上升。迫于成本壓力與合規性要求，企業傾向于采取策略性披露環境信息等象征性環境實踐，以此規避環境保護責任。因此，有效降低企業環境成本，是遏制企業“漂綠”行為的關鍵舉措。

隨著數字技術在生產體系中的深度嵌入與應用，企業的環境成本將得到有效緩解。一方面，數字化轉型能夠顯著提升企業的綠色管理水平，進而降低環境成本。借助大數據、云計算等新興智能化技術，實現數字化的企業可以實時監測生產全流程，及時掌握生產設備運行狀態，實現預測性維護和更新，這不僅能夠減少資源損耗，提升能源使用效率（Chiarini，2021）[22]，還能促進環境管理向精細化發展，從而在一定程度上減少不必要的環境成本支出。另一方面，數字化轉型能夠通過改善生產工藝進一步降低企業的環境成本。數字技術在工藝設計、生產制造、回收利用等各環節中的廣泛應用，有助于對傳統生產工藝進行合理改進，推動企業打造資源集約、節能提效的綠色生產工藝。這不僅有利于提升資源能源循環利用能力，抑制企業污染物排放，還能有效削弱生產經營活動所造成的環境負外部性，緩解了潛在的環境合規風險所引致的排污費、環境處罰費用等環保支出壓力（亞琨等，2022）[23]，進一步降低企業環境成本。基于上述分析，本文提出假設H2。

H2：環境成本在數字化轉型與企業“漂綠”行為之間發揮中介作用。

（三）數字化轉型、媒體監督與企業“漂綠”行為

媒體監督作為一種非正式環境治理機制，在促進企業履行社會責任方面發揮著重要作用（Yi，2018）[24]。從外部壓力的角度來看，媒體對企業的關注一定程度上會增加企業的合法性壓力，尤其是當企業的環境績效受到媒體質疑時，往往會引起環保部門的注意或介入。為避免因合規風險暴露而面臨環境處罰，企業會傾向于積極回應并改善其環境行為。此外，負面報道可能會損害企業聲譽，阻礙產品銷售，從而迫使企業采取實質性的環境行動，如綠色創新等，以重塑企業形象。從信息傳遞的視角來看，媒體對企業違規信息的持續披露會使企業陷入輿論旋渦，這些負面信息不斷傳遞給利益相關者，不僅可能引發消費者的質疑和排斥，還可能促使投資者重新評估企業的投資價值（楊晉華和郝曉雁，2023）[25]，并最終反饋到資本市場，進而通過提升經營風險來促使管理者放棄“漂綠”行為。因此，加強媒體監督是減弱企業“漂綠”動機的有效途徑。

相較于貼吧、公眾號等新媒體平臺，報紙、雜志、電視等傳統媒體憑借真實性與可靠性，始終占據主流輿論陣地。數字化轉型在增強媒體對企業的關注度方面具有顯著作用。一方面，以人工智能為代表的前沿數字技術能夠助力企業實現業務全流程的數據服務系統升級（Liu等，2011）[26]，推動非結構性信息向標準化數據的轉化，進而更為真實地披露環境信息，在提高企業環境信息可得性的同時降低了企業內外部信息不對稱程度，這不僅降低了媒體的報道成本，還提高了報道的準確性，使媒體對企業的環境監督更加有力。另一方面，企業在年報中充分披露數字化轉型信息不僅展示了其積極響應國家政策、融入數字經濟發展大潮的姿態，有助于提升企業的聲譽和形象，還能夠吸引更多媒體的關注和監督。此外，數字化程度較高的企業在與外部環境的溝通中可以表現出更高的效率，能夠向外界傳遞更多正面和積極的信息，進而在社會公眾中塑造更加優秀的品牌形象，這無疑會增加媒體對企業的關注度，進而提升企業的外部監管水平，促進企業的健康可持續發展。基于上述分析，本文提出假設H3。

H3：媒體監督在數字化轉型與企業“漂綠”行為之間發揮中介作用。

綜上，數字化轉型可以通過降低環境成本和增強媒體監督抑制企業“漂綠”行為，具體作用機制見圖1。

三、研究設計

（一）樣本選擇與數據來源

為全面衡量我國企業“漂綠”情況，本文以所有滬深A股上市企業為研究對象，同時為避免研究結果受到于2022年開始施行的《企業環境信息依法披露管理辦法》的潛在影響，將樣本觀測時段限制在2021年之前，在剔除金融保險行業、非正常交易（含ST、ST*）、數據缺失嚴重以及時間跨度僅為一年的企業樣本后，最終整理得到2008—2021年包含2934家企業的非平衡面板數據。企業“漂綠”數據來自上市公司年報、社會責任報告以及可持續發展報告等非財務信息披露內容，企業治理與財務指標相關數據來源于國泰安數據庫。通過對以上數據進行匹配，最終獲得19780個年度觀測值。同時，為減少極端值的干擾，本文對連續變量進行1%和99%分位上的縮尾處理。

（二）變量定義與說明

1.被解釋變量。本文借鑒黃溶冰等（2019）[27]的經典做法，并從環保管理、環境監管與認證披露情況、環境負債披露情況以及環境業績與治理披露情況四個方面（含環保理念等27個項目）對其評價體系進行補充（具體見表1），確定應披露而未披露事項數與已披露事項中的象征性披露事項數，然后利用內容分析法計算選擇性披露與表述性操縱的得分，并進行幾何平均值處理，最終得到企業“漂綠”程度的測算結果（GWL），具體計算公式如下：

2.核心解釋變量。目前關于企業數字化轉型的定量測度方式主要有兩種：一是文本分析法，其通過計算機編程語言充分挖掘年報中與數字化技術聯系緊密的關鍵詞，而后以統計頻數或比重度量企業數字化轉型水平（吳非等，2021）[28]；二是數字化資產投入法，其利用上市企業年度財務報告附注中與數字化技術相關的無形資產份額來衡量企業數字化轉型水平（趙寰宇等，2021）[29]。兩種測量方法各具優勢，前者能在一定程度上反映企業數字化認知程度與戰略規劃，但數字技術更新迭代速度快、企業披露主觀意愿較強等因素使得詞頻分析存在合理性偏差，而后者能夠較為真實地體現數字技術與經營活動的融合程度。因此，本文借鑒張永珅等（2021）[30]的研究，構建如下衡量指標：

其中，[Digital_iai，t]為企業[i]第[t]年年末無形資產明細項目中與數字化技術相關的資產價值總額，[Total_iai，t]為企業[i]第[t]年年末財務報告附注里無形資產價值總計。[Digitali，t]反映的是企業[i]第[t]年數字化轉型水平。

3. 控制變量。參考現有研究，本文選取了財務杠桿（Lev）、盈利能力（Roa）、企業規模（Size）、增長潛力（TobinQ）、股權集中度（Top1）、管理層性別結構（Female）、獨董治理（Indep）、高管股權激勵（Msr）、可擔保性（Tanasset）以及企業年齡（Age）作為控制變量，同時為使模型更具穩健性，本文控制了行業與年份雙向固定效應。具體定義如表2所示。

（三）模型設定

為探究數字化轉型與企業“漂綠”行為的關系，本文構建如下基準模型：

其中，被解釋變量[GWLi，t]表示企業“漂綠”程度；解釋變量[Digi，t]為企業數字化轉型水平；[Controlsi，t]為控制變量合集；[Year]與[Industry]分別為年度固定效應和行業固定效應；[εi，t]為隨機誤差項。為更好地反映估計系數的真實變異性，本文采用了企業層面與年度層面的雙重聚類標準誤來緩解不可觀測因素的影響。

（四）描述性統計

表3列示了描述性統計結果。具體而言，樣本企業的“漂綠”程度均值為0.319，遠大于其中位數，表明樣本企業整體的“漂綠”程度大致呈現出正偏態分布的趨勢，即相較于平均水平，多數企業的“漂綠”程度相對較低。企業數字化轉型水平的均值為0.103，意味著在無形資產明細項中，平均僅有10.3%的資產與數字化技術緊密相關，這一現象反映出我國上市企業目前在數字化轉型方面的努力亟待進一步加強。

此外，本文繪制了企業數字化轉型水平與“漂綠”程度的散點圖及擬合線（見圖2）。不難發現，數字化轉型與企業“漂綠”之間呈現出顯著的負相關關系。換言之，隨著企業數字化程度的提升，“漂綠”現象趨于減少。該結果在一定程度上支持了數字化轉型可能是抑制企業“漂綠”的重要因素。

四、實證結果分析

（一）基準回歸

表4列示了數字化轉型對企業“漂綠”影響的回歸結果。由第（1）—（3）列可知，在逐步加入企業財務指標和特征變量后，核心解釋變量Dig的估計系數均通過了1%的顯著性檢驗。進一步加入年度與行業雙向固定效應后，由第（6）列可知，實施數字化轉型有助于抑制企業“漂綠”行為，并且數字化轉型水平每提高一個標準差，企業“漂綠”程度相應減少3.42%，初步驗證了本文的研究假設H1。在控制變量方面，首先，盈利能力對企業“漂綠”行為具有正向推動作用，這可能是由于可持續發展戰略固有的周期長、風險高等特性，使得企業管理層在追求高盈利水平的驅動下，更傾向于采取“漂綠”策略，以保障自身利益最大化并減少潛在的機會成本。其次，相較于小型企業，大型企業在市場適應及戰略決策方面的靈活性相對不足。在組織結構較為固化的情況下，大型企業更傾向于通過美化其綠色表現來進行“漂綠”印象管理（劉亦晴等，2022）[31]，以提升公眾對其環保形象的認可。再次，高管團隊中女性占比的增加能夠有效抑制企業的“漂綠”行為。根據社會角色理論，女性管理者往往擁有更高的社會責任感與道德標準，因而其更傾向于實施綠色發展戰略（王為東等，2022）[32]，從而降低企業采取“漂綠”行為的動機。此外，股權激勵作為一種激勵機制，能夠在一定程度上緩解委托代理沖突，降低代理成本，使企業管理層更加重視綠色發展戰略的實施，進而減少因自利動機而引發的環境信息選擇性披露等“漂綠”行為。最后，股權集中度能夠正向助推企業“漂綠”，可能的原因是，相較于持股比例低、所有權分散的中小股東，大股東能夠更全面地掌握企業的社會責任信息，這可能導致企業降低環境信息披露的意愿，甚至采取僅對大股東有利的短期印象管理策略，從而加劇了企業“漂綠”程度。

（二）穩健性檢驗

1. 更換核心解釋變量。借鑒吳非等（2021）[28]的研究，本文采用文本分析法充分挖掘企業年報中關于人工智能、區塊鏈以及云計算等數字化技術相關的關鍵詞，將其出現總頻次加1的自然對數作為企業數字化轉型的替代指標（DCG），重新檢驗數字化轉型與企業“漂綠”的關系。表5第（1）列顯示了更換核心解釋變量后的實證結果，企業數字化轉型水平在5%水平下顯著為負，驗證了基準回歸的穩健性。

2.排除特殊地區的影響。已有研究指出，企業數字化轉型受地區數字經濟發展的影響較大（呂康銀等，2023）[33]，而數字基礎設施完善、地理位置較好的地區在數字經濟發展方面具有明顯的比較優勢。工業和信息化部電子第五研究所發布的《中國數字經濟發展指數報告（2023）》顯示，北京、廣東以及上海等10個地區被列為第一梯隊，因而具有較為強勁的數字經濟發展活力，那么本文的估計結果是否會受到以上特殊地區的影響呢？對此，本文將位列第一梯隊的地區均予以剔除，隨后對基準模型進行再估計。表5第（2）列顯示了排除特殊地區影響后的實證結果，企業數字化轉型水平的估計系數依然顯著為負，再次驗證了本文的基本結論。

3.替換估計模型。借鑒黃溶冰等（2019）[27]的做法，本文以企業“漂綠”程度的中位數為臨界值設置虛擬變量，大于中位數賦值為1，否則為0。改變因變量的衡量方式后，采用Logit模型對本文基本結論進行再檢驗。表5第（3）列顯示了替換檢驗模型后的實證結果，數字化轉型對企業“漂綠”行為的影響仍然顯著為負，進一步驗證了前文結論的穩健性。

4.考慮滯后效應的影響。考慮到數字化轉型對企業“漂綠”的影響具有一定的滯后性，故本文對核心解釋變量以及控制變量進行滯后一期處理。表5第（4）列顯示了滯后處理后的實證結果，數字化轉型回歸系數的顯著性并未發生明顯改變，證實了本文結論是相對穩健的。

5.高階固定效應。為應對潛在遺漏變量偏差導致的估計量不一致的問題，本文借鑒顧雷雷和王鴻宇（2020）[34]的做法，在基準回歸模型的基礎上逐步控制了城市、行業與年份的交互項以及城市與年份的交互項，采用更為嚴格的高階固定效應控制模式重新檢驗了數字化轉型與企業“漂綠”的關系。表6顯示，在控制了地區效應、行業隨時間變化效應以及城市隨時間變化效應后，核心解釋變量企業數字化轉型水平的系數仍顯著為負，與前文結果一致，表明研究結論具有穩健性。

6.工具變量法。考慮到數字化轉型與企業“漂綠”之間可能存在由反向因果而導致的內生性問題，即“漂綠”程度較高的企業通常具有短視主義傾向，進而可能會對其數字化轉型帶來負面影響。基于此，本文借鑒方明月等（2022）[35]的做法，利用樣本企業同年度同行業其他企業的數字化轉型水平的平均值來構建第一個工具變量（Dig_tool1）；此外，由于組均值作為工具變量容易受到行業固定效應干擾，因此，本文借鑒沈國兵和袁征宇（2020）[36]的做法，利用樣本前一年即2007年樣本企業同年度同行業其他企業的數字化轉型水平的平均值作為基準值，與其所在省份互聯網普及率的乘積作為數字化轉型的第二個工具變量（Dig_tool2）。表7列示了使用工具變量后的回歸結果，列（1）和列（2）為第一階段估計結果，列（3）和列（4）為第二階段估計結果，可以發現數字化轉型與企業“漂綠”的回歸系數均顯著為負，證明研究結果具有較強的穩健性。

7.外生政策沖擊。“寬帶中國”戰略于2013年8月被正式提出，旨在通過寬帶網絡升級，推動新一代互聯網、移動通信、物聯網以及云計算等的創新發展，為企業數字化轉型提供有力的政策支撐。本文借鑒李萬利等（2022）[37]的做法，將“寬帶中國”試點政策作為外生沖擊，構建如下多期雙重差分模型：

[GWLi，t=β0+β1DIDi，t+β3Controlsi，t+Industry+Year+εi，t] （6）

其中，[DIDi，t]表示“寬帶中國”試點政策虛擬變量，若樣本企業所在的城市被選為“寬帶中國”試點城市，則將該地區樣本企業在當年及之后年份賦值為1，否則取0。結果如表8第（1）和（2）列所示，無論是否加入控制變量，政策虛擬變量的估計系數均顯著為負，這說明“寬帶中國”試點政策對企業“漂綠”行為起到了顯著的抑制作用。為充分驗證“寬帶中國”試點政策沖擊的有效性，本文運用事件研究法對處理組與控制組進行事前動態效應檢驗，圖3報告了企業“漂綠”程度的平行趨勢檢驗結果，可以發現在政策實施節點之前估計系數均不顯著，滿足平行趨勢假說。此外，本文隨機抽樣500次構建“偽政策虛擬變量”進行安慰劑檢驗，圖4顯示“偽系數”分布與正態分布極為接近，且與真實系數相距甚遠，說明雙重差分模型回歸結論并未受到混雜因素的干擾，再次證實了本文研究結論的穩健性。

五、進一步分析

（一）作用機制分析

前文理論分析表明，數字化轉型抑制企業“漂綠”行為的主要路徑為降低環境成本和增強媒體監督。本部分借鑒牛志偉等（2023）[38]的研究方法，采用四階段中介效應模型進行機制檢驗，具體模型如下：

本文參考亞琨等（2022）[23]的研究，將環保技改、綠化費等自愿性環境支出以及排污費、環評費、資源稅等強制性環境支出費用加總并取自然對數，以衡量企業的環境成本（Cost），數值越大代表企業經營過程中所產生的環境成本越高。表9列（1）中企業數字化轉型水平的估計系數顯著為負，表明數字化轉型可降低企業環境成本，列（2）和列（3）中企業環境成本估計系數顯著為正，說明環境成本的存在會促使企業“漂綠”，而列（3）中企業數字化轉型水平估計系數顯著為負，且其絕對值較基準回歸估計系數有所降低，表明環境成本是數字化轉型抑制企業“漂綠”行為的部分中介因素。進一步地，Sobel Z統計量在1%水平下顯著，且Bootstrap（1000次）中介效應檢驗的置信區間不包含0。總體來看，研究假設H2得到了驗證。

本文借鑒王云等（2017）[39]的研究思路，選取環境方面的媒體報道數量加1的自然對數衡量媒體監督（Media），數值越大代表媒體對企業環保監督的力度越強。表9中第（4）—（6）列的檢驗結果表明，媒體監督是數字化轉型抑制企業“漂綠”行為的部分中介因素。另外，Sobel Z統計量通過了顯著性檢驗，且Bootstrap（1000次）中介效應檢驗的置信區間不包含0。綜上所述，研究假設H3通過了驗證。

（二）異質性分析

1. 環境規制差異。數字化轉型對企業“漂綠”行為的抑制作用在不同環境規制強度下可能呈現出差異性。具體而言，當一個地區環境規制強度較高時，企業進行綠色違規行為的空間會相應縮小，其“漂綠”行為被查處的概率增大，從而降低了企業實施“漂綠”行為的動機。相較之下，在環境規制較為寬松的地區，企業更有可能利用監管漏洞進行“漂綠”活動，而數字化轉型通過其信息傳遞效應，增加了企業“漂綠”行為的曝光風險，從而在一定程度上彌補了制度監管的不足。因此，在環境規制強度較低的地區，數字化轉型對企業“漂綠”行為的抑制作用可能更為顯著。為驗證該異質性影響，本文借鑒劉暢等（2023）[40]的做法，以樣本企業所在地區當年投入廢氣廢水污染治理的金額占該年工業產值的比重衡量環境規制強度，并以中位數為基準將樣本劃分為環境規制水平強、弱兩組。估計結果如表10第（1）和（2）列所示，可以發現，數字化轉型對企業“漂綠”行為的抑制作用主要存在于環境規制水平較弱的地區。

2. 代理成本差異。企業代理成本的高低可能會對數字化轉型在抑制“漂綠”行為方面發揮的作用產生異質性影響。企業所有者與經理人之間的信息不對稱會導致代理問題，而代理成本與企業信息披露質量負相關（雷振華，2014）[41]。當代理成本較高時，企業“漂綠”程度也可能相應提升。然而，數字技術的廣泛應用能夠有效降低企業所有者與經理人之間的信息不對稱，降低代理成本，進而削弱企業的“漂綠”動機。因此，當企業代理成本較高時，數字化轉型對企業“漂綠”行為的抑制作用可能更強。為深入探究這一差異化影響，本文借鑒朱滔和涂躍俊（2023）[42]的研究，采用管理費用與業務收入之比衡量企業代理成本，并根據行業—年度中位數將企業劃分高、低代理成本兩組。估計結果如表10第（3）和（4）列所示，相較于低代理成本企業，數字化轉型對高代理成本企業的“漂綠”行為抑制作用更為顯著。

3.企業產權差異。數字化轉型對不同產權性質企業的“漂綠”行為可能產生不同的影響。具體而言，相較于民營企業，國有企業在制定經營決策時，除了追求經濟利益外，還需要承擔更多的社會責任，這在一定程度上可能減弱數字化轉型對“漂綠”行為的抑制效應。此外，受信貸市場中存在的“所有制歧視”現象影響（張杰和吳迪，2013）[43]，民營企業通常面臨較為嚴重的融資約束問題，而國有企業則相對較少受到此類限制。數字化轉型可以通過緩解融資約束抑制企業的“漂綠”行為。因此，相對而言，民營企業數字化轉型對“漂綠”行為的抑制作用可能會更為明顯。為檢驗該異質性影響，本文分別對國有企業和民營企業兩組樣本進行估計，結果如表10第（5）和（6）列所示，相對于國有企業，民營企業數字化轉型對“漂綠”行為的抑制作用更為突出。

（三）經濟后果分析

“漂綠”行為雖然能為企業帶來短期利益，然而一旦其真實面目被揭露，將對企業聲譽造成無法挽回的嚴重損害（Seele和Gatti，2017）[44]，甚至還可能使企業遭受資本市場的嚴厲懲戒（王欣等，2015）[45]，進而給企業高質量發展帶來不利的影響。鑒于此，數字化轉型對于抑制企業“漂綠”行為的積極作用，能否推動企業高質量發展呢？為此，本部分延續前文的機制檢驗方法，在模型（5）的基礎上構建如下計量模型：

其中，[Effect]為經濟后果變量，以企業高質量發展來衡量。借鑒魯曉東和連玉君（2012）[46]的研究做法，選擇OP法和GMM法測度企業全要素生產率（TFP_OP、TFP_GMM）并作為企業高質量發展的代理變量，同時考慮到時滯效應與持續性，進一步將被解釋變量滯后一期處理并重新進行檢驗。表11的Panal A中列示了當期全要素生產率的回歸結果，可以發現，“漂綠”是企業數字化轉型提升全要素生產率的部分中介因子，即數字化轉型可以抑制企業“漂綠”，最終助推企業高質量發展。此外，Panal B中展示了滯后一期的實證結果，也得到了相同結論。

六、結論與建議

本文以2008—2021年所有滬深A股上市公司為研究樣本，考察了數字化轉型與企業“漂綠”行為的關系。結果表明，數字化轉型水平每提高1%，企業“漂綠”程度會降低3.42%。在采取多種方法進行穩健性檢驗后，數字化轉型對企業“漂綠”的抑制效應依然成立。機制研究發現，環境成本和媒體監督在數字化轉型與企業“漂綠”之間發揮部分中介作用。異質性分析表明，數字化轉型的“漂綠”抑制效應在環境規制強度較低、代理成本較高以及民營企業樣本中更加明顯。經濟后果檢驗發現，數字化轉型會通過抑制企業“漂綠”行為進而促進企業的高質量發展。

本文的研究結論可為數字經濟時代企業“漂綠”行為的治理提供一定的政策啟示：

首先，政府應多措并舉積極推進“數實融合”，引導支持企業數字化轉型，充分發揮大數據與人工智能的技術優勢，構建統一的環境信息共享平臺，破解環境數據與信息的分割現象，從而確保及時獲取真實可靠的企業環境信息，有效緩解信息不對稱。特別是應加大對各行業領軍企業數字化轉型的政策扶持力度，防止因“同構效應”導致市場整體“漂綠”現象加劇。其次，政府應分階段、分場景設置經濟政策“工具箱”，為企業數字化建設提供有力的政策保障與優良的營商環境，推動企業實現降本增效。例如，稅務等相關部門應積極推動大數據平臺與企業經濟活動的深度融合，以便真實評估企業環境績效，進而提供精準的綠色補貼、稅費優惠等綠色政策，從緩解融資約束視角出發，推動企業實現綠色低碳發展。此外，監管部門應加強對第三方綠色認證機構和平臺的監管力度，著力規范綠色認證制度，制定統一的綠色認證標準，防止第三方在綠色認證環節中出現舞弊和“漂綠”行為，以確保綠色認證的公信力和權威性。最后，政府應加強對環保公益組織的培育和支持，充分發揮其在綠色治理中的督導作用，使其能夠承擔政府監管部門轉移的部分職能，有效補充監督企業“漂綠”行為。同時，相關部門應積極同環保組織合作，共同組建綠色咨詢機構，開展有針對性的綠色教育，提高公眾對綠色信息的認知能力和判斷力，從而在消費環節上抵制企業的“漂綠”行為。

參考文獻：

[1]肖仁橋，馬伯凡，錢麗，沈佳佳.低碳城市試點政策對企業綠色創新的影響及其作用機制 [J].中國人口·資源與環境，2023，33（05）.

[2]喻旭蘭，周穎.綠色信貸政策與高污染企業綠色轉型：基于減排和發展的視角 [J].數量經濟技術經濟研究，2023，40（07）.

[3]蘇冬蔚，劉子茗.綠色金融改革是否影響企業綠色績效與漂綠風險？[J].國際金融研究，2023，（04）.

[4]Delmas M A，Burbano V C. 2011. The Drivers of Greenwashing [J].California Management Review，54（1）.

[5]Gatti L，Pizzetti M，Seele P. 2021. Green Lies and Their Effect on Intention to Invest [J].Journal of Business Research，127.

[6]Du X. 2015. How the Market Values Greenwashing？ Evidence from China [J].Journal of Business Ethics，128.

[7]劉艷霞.數字經濟賦能企業高質量發展——基于企業全要素生產率的經驗證據 [J].改革，2022，（09）.

[8]劉洋，董久鈺，魏江.數字創新管理：理論框架與未來研究 [J].管理世界，2020，36（07）.

[9]王會娟，陳新楷，陳文強，張路.數字化轉型能提高企業的風險承擔水平嗎？ [J].財經論叢，2022，（12）.

[10]羅進輝，巫奕龍.數字化運營水平與真實盈余管理[J].管理科學，2021，34（04）.

[11]董松柯，劉希章，李娜.數字化轉型是否降低企業研發操縱？ [J].數量經濟技術經濟研究，2023，40（04）.

[12]劉敏，趙漢暉，吳懋.企業數字化、環境信息披露質量和綠色技術創新 [J].學術研究，2023，（08）.

[13]肖紅軍，陽鎮，劉美玉.企業數字化的社會責任促進效應：內外雙重路徑的檢驗 [J].經濟管理，2021，43（11）.

[14]馬凌遠，丁博雯.低碳城市試點政策會引致企業“漂綠”嗎？ [J].哈爾濱商業大學學報（社會科學版），2023，（06）.

[15]Blome C，Foerstl K，Schleper M C. 2017. Antecedents of Green Supplier Championing and Greenwashing：An Empirical Study on Leadership and Ethical Incentives [J]. Journal of Cleaner Production，152.

[16]李強，宋嘉瑋.業績期望落差與企業“漂綠”行為[J].南京審計大學學報，2022，19（03）.

[17]沈弋，錢明，呂明晗，朱佳立.中小股東監督與漂綠治理——基于詞向量模型的文本分析 [J].中國人口·資源與環境，2023，33（08）.

[18]王壘，李正陽，沙一凡.協同還是合謀：異質機構共同持股與企業“漂綠”行為 [J].財經論叢，2023，（08）.

[19]沈洪濤，黃珍，郭肪汝.告白還是辯白——企業環境表現與環境信息披露關系研究 [J].南開管理評論，2014，17（02）.

[20]程博.分析師關注與企業環境治理——來自中國上市公司的證據 [J].廣東財經大學學報，2019，34（02）.

[21]張吉廷，朱進東.馬克思主義勞動價值理論在當代經濟全球化中的應用研究 [J].現代經濟探討，2024，（01）.

[22]Chiarini A. 2021. Industry 4.0 Technologies in the Manufacturing Sector：Are We Sure They are All Relevant for Environmental Performance？[J].Business Strategy and the Environment，30（7）.

[23]亞琨，羅福凱，王京.技術創新與企業環境成本——“環境導向”抑或“效率至上”？ [J].科研管理，2022，43（02）.

[24]Yi JS. 2018. A New Perspective on Corporate Social Responsibility Using Social Media：the Effects of Authenticity and Fit on Trust and Relationship Satisfaction [J]. The Journal of Internet Electronic Commerce Research，18（1）.

[25]楊晉華，郝曉雁.企業ESG表現與全要素生產率提升——基于財務柔性與媒體監督的調節作用 [J].會計之友，2023，（19）.

[26]Liu D Y，Chen S W，Chou T C. 2011. Resource Fit in Digital Transformation：Lessons Learned from the CBC Bank Global E‐Banking Project [J].Management Decision，49（10）.

[27]黃溶冰，陳偉，王凱慧.外部融資需求、印象管理與企業漂綠 [J].經濟社會體制比較，2019，（03）.

[28]吳非，胡慧芷，林慧妍，任曉怡.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（07）.

[29]趙宸宇，王文春，李雪松.數字化轉型如何影響企業全要素生產率 [J].財貿經濟，2021，42（07）.

[30]張永珅，李小波，邢銘強.企業數字化轉型與審計定價 [J].審計研究，2021，（03）.

[31]劉亦晴，許雅琴，陳思.企業漂綠行為的驅動因素——基于158家重污染企業的fsQCA分析 [J].財會月刊，2022，（18）.

[32]王為東，沈悅，王笑楠，盧娜.女性高管權力與企業綠色創新 [J].華東經濟管理，2022，36（12）.

[33]呂康銀，梁孝成，賈利雯.數字經濟發展與企業勞動資源配置效率 [J].商業研究，2023，（06）.

[34]顧雷雷，王鴻宇.社會信任、融資約束與企業創新[J].經濟學家，2020，（11）.

[35]方明月，林佳妮，聶輝華.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 [J].數量經濟技術經濟研究，2022，39（11）.

[36]沈國兵，袁征宇.企業互聯網化對中國企業創新及出口的影響 [J].經濟研究，2020，55（01）.

[37]李萬利，潘文東，袁凱彬.企業數字化轉型與中國實體經濟發展 [J].數量經濟技術經濟研究，2022，39（09）.

[38]牛志偉， 許晨曦， 武瑛. 營商環境優化、人力資本效應與企業勞動生產率 [J]. 管理世界， 2023，39（02）.

[39]王云，李延喜，馬壯，宋金波.媒體關注、環境規制與企業環保投資 [J].南開管理評論，2017，20（06）.

[40]劉暢，潘慧峰，李珮，馮雅欣.數字化轉型對制造業企業綠色創新效率的影響和機制研究 [J].中國軟科學，2023，（04）.

[41]雷振華.股權性質、代理成本與社會責任信息披露質量——來自我國上市公司的經驗證據 [J].經濟社會體制比較，2014，（01）.

[42]朱滔，涂躍俊.專業化功能定位與競爭類國有企業投資羊群行為——基于國有企業分類改革的準自然實驗[J].財經研究，2023，49（04）.

[43]張杰，吳迪.銀行與企業的關系：共生抑或掠奪 [J].經濟理論與經濟管理，2013，（06）.

[44]Seele P，Gatti L. 2017. Greenwashing Revisited：In search of a Typology and Accusation‐Based Definition Incorporating Legitimacy Strategies [J].Business Strategy and the Environment，26（2）.

[45]王欣，鄭若娟，馬丹丹.企業漂綠行為曝光的資本市場懲戒效應研究 [J].經濟管理，2015，37（11）.

[46]魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007 [J].經濟學（季刊），2012，11（02）.