大數據能否緩解環境治理中的委托代理問題？

關鍵詞 大數據；環境治理；委托代理；環保新聞；文本情緒

由于政府目標的多元性、公眾環境治理主體的缺位以及企業環境治理中的外部性等現實問題的約束，環境委托代理問題在政府、公眾和企業層面均大量存在，嚴重阻礙了中國經濟社會的綠色化轉型。隨著數字化技術的快速發展，大數據在環境治理工作中逐漸得到應用［1］。2016年3月，環境保護部正式出臺《生態環境大數據建設總體方案》，標志著中國的生態環境綜合治理體系開始邁入大數據環境治理階段。但與已有環境規制政策明顯不同的是，大數據環境治理是一種數字化的環境規制模式，可以通過數字技術的應用實現自動化的環境數據采集，從而實現對企業污染排放的實時監測與公開，這不僅能夠提升政府的監管能力，更能提高環保信息的公眾透明度。理論上，大數據環境治理可有效降低環境治理中的代理問題［2-3］，倒逼企業綠色轉型升級，但由于大數據環境治理仍然是環境規制的一種形式，同樣會增大企業環境治理的成本壓力，誘發部分企業采用減生產［4］、棄主業［5］等消極應對措施，最終導致政策失效。因此，有必要厘清大數據環境治理能否真正發揮出相應的政策效應、緩解環境治理中的委托代理問題并實質性地改善企業環境績效。

1 文獻綜述

環境污染問題天然具有外部性的特點，更需要借助政策調控手段內化污染治理成本，從根源上解決治理外部性。因此，政府制定了形式多樣的環境規制措施，其目的是實現企業減排、減少環境污染、創建良好的生態環境。大量研究也發現，環境規制給企業帶來了一定的環境治理壓力［6］，能夠倒逼企業綠色創新［7］，減少污染排放，最終提高企業環境績效［8］。然而，部分研究也表明，環境規制顯著增加了企業的生產成本，誘使企業采取減產［4］、縮減雇傭規模［9］、廠址搬遷［10］以及以犧牲主業為代價［5］的消極應對措施，抑制了環境規制的政策效應發揮。

由于作用主體與作用機制存在著顯著差異，環境規制可以二分為命令控制型和市場激勵型兩種。其中，命令控制型主要由政府主導，有一定的強制性特點，例如中國之前出臺的“兩控區”政策、中央生態環境保護督察制度等；市場激勵型環境規制則主要由市場機制主導，如碳排放權、排污權交易制度等。不同類型的環境規制工具對企業環境治理有著不同的影響機理。大量文獻沿襲上述的二分法思路，探討了異質性環境規制工具的治理效應。隨著研究的不斷深入，部分研究發現環境規制政策的有效發揮需要一定的條件。例如，包群等［11］發現，只有在環保執法力度嚴格或是當地污染相對嚴重的省份，環保立法才能起到明顯的改善效果。環境稅法的污染治理效應也只在環境稅政策較為嚴格的國家才能凸顯［12］。另外，單純的規制手段不能達到預期效果。例如，政府補助以及“ 大氣十條”均未能提升綠色創新水平與環保投入［13］。Chen等［14］以“十一五”規劃對水污染治理的規定為切入點，發現環境規制并未增加企業的環保投入，反而導致了企業的搬遷。因此，應當跳出二分法環境規制孰優孰劣的爭論，轉而探討如何讓環境規制變得更有效。

隨著數字經濟的快速發展，政府開始利用大數據等數字技術推動政府治理創新、提高治理效率。大數據治理已被廣泛應用于稅收、城市治理等多個領域。已有研究發現，稅收征管的大數據轉型，有效地實現了稅收信息的整合，加強了對涉稅信息的監管能力，在促進稅收治理、稅負公平等方面發揮著重要作用［15］。另外，也有研究發現，智慧城市的建設不僅提升了城市創新水平［16］，也顯著提升了綠色全要素生產率，促進了經濟高質量發展，降低了城市污染［1］，充分體現了大數據在環境治理方面的潛力。但是，關于環境治理體系數字化轉型的相關研究稍顯不足，Greenstone等［2］發現空氣污染自動監測系統的引入，增加了地方政府操控數據的成本，減少了地方政府的代理成本，進一步提高了污染監測質量。金浩等［3］則發現，引入污染源在線監控系統這一數字化監管手段，降低了政府的環境執法成本，增強了政府的監督能力，有利于限制企業的污染排放。

綜上，關于環境規制以及異質性的環境規制工具的污染治理效應，現有研究雖已作了豐富的討論，但較少有研究跳出環境規制二分法的經典思維框架，也尚未將視角轉向大數據環境治理這一帶有著鮮明數字化特征的環境規制工具。同時，部分研究雖已關注到環境治理中的政府、公眾以及企業環境代理問題中的某一方面，但并未在統一框架下考慮環境規制政策對環境委托代理問題的影響。此外，現有關于政府治理數字化轉型的研究主要聚焦于評估稅收征管數字化以及城市治理數字化轉型的政策效果，而忽略了對大數據環境治理微觀政策效應的評估。那么，該政策實施的微觀政策效應如何，將對企業的環境行為產生怎樣的影響？是否能夠緩解環境治理中的委托代理問題并提升企業環境績效？本研究通過文本分析方法挖掘企業外部環保新聞中蘊藏的環境信息以測算企業的環境績效，不僅可以有效拓寬已有環境規制類文獻的研究視角，更有助于深入理解大數據環境治理體系的微觀作用機理，為進一步推動國家環境治理的數字化轉型提供參考。

2 理論分析與研究假說

環境問題往往牽涉面廣、驅動因素復雜，且具有天然的外部性，因而治理難度大。在大數據環境治理的作用下，企業既可能采取積極的環境治理策略，通過“末端治理”以及“源頭治理”實現綠色發展，也可能通過減產等一系列消極式策略降低實體生產過程中的污染排放。企業選擇積極環境策略還是消極環境策略，取決于綠色發展收益與污染排放成本之間的權衡。

由于環境的負外部性，發生經濟行為的個體或企業不會主動進行環境治理，而大數據環境治理體系建設有助于內化環境治理成本。首先，大數據環境治理提高了監管部門的識別能力，依托數字技術不僅實現了監測自動化與數據整合共享，還通過生態環境大數據應用實現了監管精準化與綜合決策科學化，這種更嚴格的監管提高了企業的環境違約成本。其次，大數據環境治理強調生態環境數據的公開，社會公眾可通過公開的污染數據，提高其識別企業環境污染的能力。當企業造成環境污染時，社會公眾可以通過“用錢投票”“用腳投票”等方式［13］，給企業帶來聲譽損失、融資成本增加等不良后果，倒逼企業環境治理。為了使污染排放物盡快達到政府以及公眾的需求，企業會增加環保投資［6］，通過購買或加裝污染治理設備等方式，在末端降低污染排放濃度或排放量，以達到污染治理的效果。雖然企業環保投資短期會加大成本，但這一環境治理行為能產生較大的社會效益和環境效益，因而企業有動機通過“末端治理”，改善環境績效。

隨著環境監管日益嚴格，環境成本占企業總成本的比例不斷上升，“源頭治理”成為解決環境污染問題更為有效的手段［17］。“源頭治理”是指通過綠色化的生產技術工藝，從源頭上減少污染物的產生［18］，其關鍵在于綠色創新。相較于短期的運動式環境治理，大數據環境治理體系建設是對已有環境規制政策的數字化升級，更具系統性與長期性，因而面對這類環境規制，企業更應選擇長期性治理策略，通過綠色技術創新，實現長期綠色發展。Xu等［8］也發現，當企業因環境問題受到懲罰時，投資者將給予其更低的估值，而對堅持綠色發展的企業給予更高的估值。另外，在大數據環境治理體系的作用下，環境信息的充分披露與公開給企業帶來了推動綠色技術創新的外部信息壓力，倒逼企業通過綠色技術創新提高自身估值，從“源頭”上實現污染治理。因而，污染企業開展含金量更高的綠色技術創新活動可能是提高企業環境績效更為合意的選擇。

“末端治理”和“源頭治理”均要求企業進行大規模的資金投入，這無疑增加了企業的生產成本。一方面，可能誘發企業采取縮減生產規模的應激性行為，將污染排放控制在合法水平；另一方面，削弱了企業在市場中原有的競爭力，這可能導致企業傾向于將產業轉移到環境規制較為寬松的地區［10］。日益增加的生產成本還會對投資回報率產生負面影響，導致企業將資金更多地投資于金融領域［5］。同時，由于環保投資具有投資周期長、調整成本高、見效慢的特點，占用了企業大量的資金，為了有效應對未來現金流可能面臨的不確定性，并規避潛在的破產風險，企業也有動機增加金融投資。因而，大數據環境治理可能引發企業消極式的環境應對策略。然而，無論是減產、搬遷還是金融化，這一系列的消極式策略雖然能降低企業生產過程中的污染排放，但不利于從根本上實現污染治理，因此大數據環境治理體系可能并未達到預期效果，即并未改善企業環境績效。

綜上所述，提出兩個競爭性假設。

H1a：大數據環境治理有利于改善企業的環境績效。

H1b：大數據環境治理不利于改善企業的環境績效。

政府的環保關注會對環境委托代理問題產生直接的影響［19］。在大數據環境治理機制的作用下，政府轉嫁給企業的環境治理壓力會影響到企業對綠色收益與污染成本之間的權衡。企業在違規排放污染物，或未達到監管部門清潔生產標準時將會面臨警告、罰款或承擔法律責任等不同程度的懲罰。而政府環保關注直接決定了企業的污染成本，在政府環保關注度較高的情況下，企業被發現環境違規的概率更高，也面臨著更高的環境污染成本。

此時，企業在權衡綠色收益與污染成本時，需將政府環境治理壓力所帶來的成本考慮在內。因此，在大數據環境治理體系下，政府的環保關注度越高，企業越傾向于選擇綠色轉型改善污染表現以規避污染罰金。反之，如果地方政府越重視經濟發展，那么其將會把更多的精力置于如何實現地區經濟增長目標上，忽視了對環境治理的關注，從而導致更為嚴重的環境委托代理問題。據此，提出如下假設。

H2a：限定其他條件，政府環保關注度越高，大數據環境治理改善企業環境績效的效果越顯著。

即使外部政府環保關注度相同，企業是否選擇綠色發展，還會受到公眾環保關注度的影響。現有研究表明環境污染與居民健康息息相關［20］，當政府實施的正式環境規制無法促使企業積極參與環境治理時，公眾環境治理作為非正式規制手段的重要補充，同樣增強了監管效能，改變企業的環境治理策略。當公眾環保關注度較高時，公眾更有可能通過環保投訴等方式來反映環境訴求，促使監管部門及時對污染企業做出調查、監管或處罰，這不僅會給企業帶來高昂的聲譽成本損失，也將進一步影響企業的融資成本和經營業績。因而，在大數據環境治理體系下，公眾環保關注度越高，越能夠予以企業更強的監管合力，提高企業的環境違約成本，降低環境治理中的委托代理問題，促使企業更傾向于進行綠色轉型來改善環境績效。據此，提出如下假設。

H2b：限定其他條件，公眾環保關注度越高，大數據環境治理改善企業環境績效的效果越顯著。

即使面臨相同的政府與公眾環保關注，企業是否進行綠色轉型還取決于自身的環保關注。企業是環境的主要污染者，也是平衡經濟發展與環境保護、建設生態文明和美麗中國的踐行者。但由于生態環境具有公共物品性質，企業在治理過程中，不僅要付出高昂的治理成本，在收益創造方面同樣也面臨著很強的不確定性［21］。因此，在大數據環境治理試點這一更具系統性與長效性環境規制政策的影響下，環保關注度較低的企業往往更容易忽視環境治理所帶來的長期市場影響力、競爭力以及價值的提升，轉而采取策略性的環境治理行為以應對環境規制壓力，如實施“漂綠”策略［22］、進行生產調整［4］等，但這類消極環境策略無法從根本上實現污染治理。只有當企業自身具有更高的環保關注度時，才會更傾向于選擇實質性的環境治理策略以改善其環境績效，從根源上緩解環境代理問題的潛在負面影響。據此，提出如下假設。

H2c：限定其他條件，企業環保關注度越高，大數據環境治理改善企業環境績效的效果越顯著。

3 研究設計

3. 1 數據來源與處理

環境保護部于2016年3月發布了《生態環境大數據建設總體方案》，并首先在吉林省、貴州省、江蘇省、內蒙古自治區、武漢市、紹興市試點建設生態大數據體系，因而可將上述試點看作一次準自然實驗，并利用雙重差分法評估其試點效果。為了保證政策實施前后樣本區間的一致性，本研究選擇2013—2019年（即試點當年以及政策實施前后各3年共7年）的A股工業類上市公司為初始研究樣本。之所以選擇工業類上市公司，是因為工業企業不僅在國民經濟中占有重要地位，其環境問題也更為嚴峻。相關數據來自國泰安上市公司數據庫。本研究使用企業環保新聞情緒指標作為被解釋變量，該數據來自Datago新聞輿情量化數據庫，其余的企業財務和治理數據來自WIND數據庫以及CSMAR數據庫。此外，為提升實證結果的可靠性，本研究還對數據進行了如下處理：①剔除樣本期間被ST、*ST、PT等經營異常的樣本；②剔除數據異常以及數據缺失的樣本。經過上述的處理，最終得到10 678個公司-年度觀測值。為了避免異常值對研究結論的影響，對所有的連續變量進行了1% 的Winsorize處理。

3. 2 變量定義與說明

3. 2. 1 被解釋變量

被解釋變量為企業環境績效（E）。參考周澤將等［23］的有關做法，采用企業當年環保新聞文本情緒值的均值來衡量企業的環境績效。這是因為企業會策略性地操縱信息披露，將降低披露的客觀性與準確性［24］。因此，通過整理和分析第三方媒體對企業環保行為的報道測算的企業環保新聞文本情緒值，由于媒體的分散性使得該指標具有一定的去中心化特征，并且由于較少受到企業自身的直接操縱而具有更強的客觀性，可以用來衡量企業的環境績效。

3. 2. 2 解釋變量

解釋變量為大數據環境治理試點的實施（TP），即空間虛擬變量（T）與時間虛擬變量（P）的交互項TP。P 為時間虛擬變量，當樣本年份為2016年及其以后時，P 賦值為1，否則賦值為0。T 為空間虛擬變量，當公司所處城市位于試點地區時，T 賦值為1，否則賦值為0。

3. 2. 3 控制變量

參考現有研究的做法［12，18］，引入了一系列的控制變量。具體包括：公司規模（C1）、資產負債率（C2）、固定資產占比（C3）、總資產利潤率（C4）、成長性（C5）、董事會規模（C6）、獨立董事比率（C7）、第一大股東持股（C8）、機構投資者占比（C9）、地區經濟水平（C10）。

3. 3 模型設定

為檢驗大數據環境治理試點對企業環境績效的影響，構建模型（1）進行因果識別檢驗：

式中：i 代表企業，t 代表年份。E 為企業的環境績效；TP為核心解釋變量，其回歸系數ɑ1反映了試點地區企業在政策試點后相對于非試點地區企業環境績效的平均變化值，反映了大數據環境治理試點政策凈效應；C 表示控制變量。F 和Y 分別代表企業固定效應與時間固定效應，用以控制不隨時間變化的企業固有特征和隨時間變化的宏觀因素對模型估計的干擾。另外，還控制了行業（I）固定效應和地區（A）固定效應。ε 為隨機擾動項，α0 為常數項，α2 為控制變量的回歸系數。

3. 4 描述性統計

表1報告了主要變量的描述性統計結果。由表1可知，企業環境績效（E）均值為0. 183，即企業環保新聞文本情緒的均值為0. 183，中位數為0，說明大部分企業的環境績效并未達到平均水平。E 的最小值為-0. 596，最大值為0. 995，標準差為0. 359，表明不同企業的環境績效存在較大的差異。TP的均值為0. 098，表明大數據環境治理試點實施后的樣本企業占比為9. 8%。其余控制變量分布合理，和已有研究［23］較為一致。

4 實證結果

4. 1 基準回歸

表2匯報了大數據環境治理體系試點對企業環境績效影響的回歸結果。列（1）為僅控制年度固定效應與個體固定效應下的回歸結果，雙重差分變量TP 的系數為0. 086且在1%的水平上顯著，初步表明大數據環境治理試點能夠改善企業環境績效。按照逐步回歸的思路，列（2）在列（1）的基礎上，控制了公司財務特征與行業固定效應；列（3）在列（2）的基礎上進一步控制了公司治理變量；列（4）在上述處理的基礎上進一步控制了地區經濟水平以及省份固定效應，但雙重差分變量（TP）的系數符號及其統計顯著性均無明顯改變，均于1%的水平上正向顯著。再次表明，在大數據環境治理試點實施后，企業綠色發展成本小于其污染成本，因而更有利于企業改善環境績效，實現綠色轉型，驗證假設H1a。

4. 2 穩健性檢驗

（1）平行趨勢檢驗與動態效應檢驗。通過檢驗發現，在大數據環境治理試點之前，處理組與控制組在環境績效上并不存在顯著變化趨勢差異，試點之后，試點地區企業的環境績效得到了有效改善，滿足平行趨勢假設。

（2）替換核心被解釋變量。分別使用負面環保新聞比率（N1）、正面環保新聞比率（N2）以及環保新聞文本凈語調（N3）替換核心被解釋變量，重新進行估計，結果保持穩健。

（3）更換模型估計方法。由于環保新聞文本情緒E的取值范圍為［-1，1］，正（負）環保新聞比率的取值范圍均為［0，1］，而文本凈語調N3的取值范圍為［-1，1］，均為受限變量，因此也采取Tobit回歸模型檢驗大數據環境治理試點的影響效應，結果具有穩健性。

（4）緩解樣本選擇偏差。通過熵平衡法緩解樣本選擇偏差問題，經匹配后的回歸結果仍然穩健。

（5）控制產業政策對基準回歸結果的干擾。引入行業×年度高維固定效應控制各類行業層面的產業政策對基準回歸結果的干擾，即使予以充分控制，研究結果依然保持穩健。

（6）排除媒體意見購買的干擾。通過分析企業的網絡輿情度量其媒體意見購買動機，并據此進行分樣本回歸，結果表明，媒體意見購買動機并不會影響研究結論，組間系數差異并不顯著。

（7）基于傳統環境績效指標的穩健性檢驗。采取秩鼎ESG數據庫所提供的企業環境績效指標作為替代被解釋變量進行穩健性檢驗，結果表明，無論是采取傳統的環境績效指標，還是采用環保新聞文本情緒指標，大數據環境治理體系建設試點對于企業環境績效的提升效應均為顯著，且上述結果同樣通過了平行趨勢檢驗。

（8）基于重污染行業企業的進一步識別。由于“兩高一剩”行業是環境規制的首要關注對象，如果前文的研究假設成立，可以合理預期的是，在大數據環境治理政策試點的影響下，相較于非重污染企業，重污染企業環境績效的改善效果將更加明顯，檢驗結果進一步證明了研究結論的穩健性。

5 進一步分析

5. 1 政策傳導路徑：積極環境策略還是消極環境策略

4. 1和4. 2已經分析了大數據環境治理試點可以有效改善企業的環境績效，值得進一步思考的是，在政策與其最終作用效果之間，又存在著何種傳導路徑？鑒于此，本研究進一步從積極環境策略與消極環境策略兩個維度進行政策傳導路徑研究。

5. 1. 1 消極環境策略

日益嚴格的環境規制可能誘發企業采取一系列消極式策略以降低企業生產過程中的污染排放，從而改善環境績效，但這種消極環境策略并不利于企業主業的健康發展。大數據環境治理體系作為一種數字化環境規制，是否通過引發企業的消極環境策略實現其政策效果？為檢驗上述問題，借鑒杜勇等［25］的做法，從企業主業發展的角度刻畫企業的消極環境策略。首先，在營業利潤中扣除投資收益以及公允價值變動損益測算主業利潤占比（S1）。其次，計算了主業利潤率的5年標準差以反映主業經營波動情況（S2）。具體結果見表3列（1）與列（2），T 的系數均不顯著，說明大數據環境治理政策并未降低企業的主業利潤占比，也未導致企業主業的大幅經營波動，消極環境策略的路徑并不成立。

5. 1. 2 積極環境策略

大數據環境治理試點改善了企業的環境績效，那么大數據環境治理試點是通過怎樣的路徑影響企業環境績效？因此，從“末端治理”“源頭治理”兩個積極式環境治理策略探尋二者的政策傳導路徑。若上述路徑成立，那么大數據環境治理試點將顯著提升企業的環保投資以及綠色創新水平。為檢驗這一問題，參考張琦等［26］的相關方法，用環保投資規模與營業支出總額的比值表示企業的環境治理成本投入（S3）。參考劉金科等［18］的做法，使用對數化的企業綠色專利申請數衡量企業的綠色技術創新水平（S4）。實證結果見表3 列（3）與列（4），TP 的回歸系數分別為0. 084和0. 263，且均在1%的水平上顯著。這說明大數據環境治理試點有助于推動企業綠色轉型，通過積極式環境策略改善企業環境績效。

5. 2 異質性分析

由于環境委托代理問題的存在，企業在面對相同的政策沖擊時可能會做出差異化的反應。鑒于此，從政府環保關注、公眾環保關注和企業環保關注3個層次考察大數據環境治理的異質性政策效應。

5. 2. 1 政府環保關注

為了檢驗政府環保關注的影響，本研究在基準模型的基礎上，將全樣本按照地方政府環保關注度的高低進行分組。具體而言：首先，地方政府更關注環境保護等高質量發展目標時，往往會結構性下調其經濟增速目標壓力［27］，在環境治理方面配置更多的注意力，此時環境委托代理問題也較低，因此基于地方政府工作報告中披露的GDP目標的省份中位數進行分組，以考察政府環保關注的影響。其次，借鑒陳詩一等［28］的研究做法，計算城市政府工作報告中環保詞頻作為地方政府環保關注度的代理變量，并按其省份年度中位數進行樣本分組，環保詞頻越高表明政府對環境關注度越強，出現環境代理問題的可能性也就越小。分組回歸結果見表4 Panel A，表明當政府環保關注度越高時，大數據環境治理能取得更好的政策試點效果，假設H2a得到驗證。

5. 2. 2 公眾環保關注

按照公眾環保關注度進行異質性分析，并選擇了如下兩個角度測算公眾環保關注度：①百度搜索指數。使用各省份百度搜索指數對環境污染的關注度進行衡量，并將其按排名二等分為百度搜索指數較高組與較低組。②環境投訴數量。使用環境投訴數量來度量公眾環保關注度，并同樣將其等分為兩組。詳細的分樣本回歸結果見表4 Panel B，列（1）與列（3）為公眾環保關注度較高組，TP的系數均在1%的水平上顯著為正，而列（2）與列（4）為公眾環保關注度較低組，TP的系數均不再顯著。從上述的實證結果來看，當公眾環保關注度較高時，能更有效地緩解環境治理中的委托代理問題，大數據環境治理體系的試點效果也將更為顯著，進一步驗證了假設H2b。

5. 2. 3 企業環保關注

為了考察企業環保關注的影響，本研究繼續從融資約束與管理層短期壓力兩個維度來刻畫企業環保關注度并按其高低進行分組。具體而言，首先，借鑒胡楠等［29］的做法，用“短期視域”詞匯占MDamp;A總詞匯的比例來衡量管理層短期壓力，即管理層短視程度，并按其行業年度中位數進行分組，該指標越大，表明管理層決策越短視，企業的短期壓力也更大。其次，借鑒馮國強等［30］的研究，采用KZ指數衡量企業的融資約束程度，同樣按照KZ指數的行業年度中位數進行分組，KZ值越高企業融資約束程度也越高，對自身的環保關注度往往越低。分組檢驗結果見表4 Panel C，可以看出，當企業環保關注度較高時，大數據環境治理試點對企業環境績效的正向效應更為顯著，驗證了前文假設H2c。

5. 3 經濟效應檢驗

大數據環境治理體系建設試點有效提升了企業的環境績效，但這一提升效應是否帶來了生產效率的改善？能否促進企業的長期高質量發展？為回答這一問題，本研究進一步從企業全要素生產率和風險防范的角度，考察在大數據環境治理體系作用下，企業綠色轉型戰略選擇的直接經濟后果。本研究采用OP方法計算企業全要素生產率，并使用Z 值來度量企業風險大小，Z 值越小則企業風險越高。回歸結果見表5，可以發現，大數據環境治理對企業生產率的影響取決于企業的綠色化轉型選擇，轉型企業不僅能夠獲得更為顯著的生產率提升，同樣能幫助企業更好地規避上述監管風險，助推企業高質量發展。

6 研究結論與政策啟示

本研究基于2016年在4省2市所開展生態大數據建設試點所提供的政策空間，利用企業環保新聞文本情緒這一獨特數據，考察了大數據環境治理這一數字化環境規制工具的微觀政策效應。主要研究結論如下：①大數據環境治理顯著改善了試點地區企業的環境績效。②政策傳導路徑檢驗發現，大數據環境治理試點可促進企業采取積極而非消極式的環境策略，在不犧牲企業主業的基礎上，通過提升環保投入和綠色創新的路徑助推企業綠色轉型。③異質性檢驗發現，在政府、公眾以及企業環保關注度更高的樣本組內，大數據環境治理對企業環境績效的改善效應更為顯著。④經濟后果檢驗則發現，在大數據環境治理體系的影響下，長期來看，企業的綠色轉型決策不僅能提升其全要素生產率，更能緩解企業風險。

基于以上結論，提出如下政策建議：①進一步推進生態環境治理體系的數字化轉型。囿于企業綠色發展所固有的外部性特征，更需要環境規制工具以校正其成本收益函數。然而，從已有的實證結果來看，大數據環境治理試點的實施顯著提高了企業的環境績效，不僅可以促進企業的綠色轉型，更能緩解轉型風險，提升全要素生產率，是能夠兼顧“綠水青山”與“金山銀山”的數字化環境規制工具。因此，在數字經濟快速發展的當下，政府同樣應進一步深化國家環境治理體系的數字化轉型，將生態環境大數據有機嵌入至現有的環境規制政策，不僅能有效緩解環境治理中的委托代理問題，同樣可以更好地引導企業綠色發展。②構建政府與企業多主體參與的環境綜合治理體系。研究發現，在政府與企業環保關注度更高的情況下，大數據環境治理體系的治理效應更為顯著。這說明，實現環境治理不僅需要制定適當的環境規制政策，更取決于各地政府的執行效率。因此，對地方政府而言，在強化政策和企業對環境問題的協同治理，使得環境政策的落實具備更強的微觀基礎的同時，也需持續重視環保目標，不斷改善自身環境行政和治理工作。此外，企業自身也應提高環保意識，充分利用環境規制工具，實質性地從事環境治理，提升綠色發展能力。③加強公眾監督，提高環境治理效率。企業是否采取綠色化轉型的策略還取決于公眾環保關注度，這說明解決環境問題要重視社會公眾的治理參與，通過建設更加透明的環保信息公眾披露制度，通暢公眾環保信息交互機制，形成政府與社會公眾間多主體的協同治理，提高環境治理效率。