English Version
  • 中财大绿金院

  • 绿金委

IIGF观点

当前位置: 网站首页 > 研究成果 > IIGF观点 > 正文

文献分析 | 数字化绿色化协同如何赋能高碳密集企业碳减排?——效应机制与分化路径

发布时间:2026-11-16

原文标题:数字化绿色化协同如何赋能高碳密集企业碳减排?——效应机制与分化路径

原文作者:侯建

期刊:《企业经济》

关键词:“双化协同”;碳强度;数据资产;SVR模型

11月9日至20日,《联合国气候变化框架公约》第三十一次缔约方大会(COP31)在土耳其安塔利亚举行。在全球气候治理由目标承诺加快转向落实行动的背景下,工业部门的深度减排、数字技术与绿色技术的协同应用,以及资金和技术如何进入高碳企业,成为气候行动必须回答的现实问题。高碳密集企业既是排放治理的重点,也是检验绿色转型能否兼顾效率与竞争力的关键场景。本期文献分析介绍的这篇侯建发表于《企业经济》2026年第11期的《数字化绿色化协同如何赋能高碳密集企业碳减排?——效应机制与分化路径》,正是以2012—2024年中国A股高碳密集上市企业为样本,考察数字化绿色化协同对企业碳强度的影响,并从全要素生产率、数据资产门槛和未来协同情景三个层面解释协同减排为何有效、在什么条件下更强以及可能沿何种路径演化。

一、引言

近年来,伴随气候治理约束趋紧与产业绿色转型推进,高碳密集企业实现降碳与增效协同,是我国经济绿色转型亟待破解的现实命题。数字化依托数据、算法优化企业生产与资源配置,绿色化依靠清洁生产与排放管理约束企业环境行为。数字化可以提升能源与排放管理精细化水平,绿色化为数字技术锚定降碳应用场景,但二者并不天然耦合:数字化基建会带来额外能耗,缺乏数据支撑的绿色治理也容易局限于末端治理。因此,测度企业数字化‑绿色化协同水平,检验其对碳强度的实际影响,对理解高碳企业低碳转型具有重要意义。

现有文献多分别探究数字化、绿色化各自的减排效应,对二者在企业内部的互补机制讨论不足;“双化协同” 相关研究偏向概念阐释与宏观区域分析,微观企业证据较为匮乏,尚未系统考察全要素生产率、数据资产等资源禀赋对协同减排的约束。据此,如何测度企业 “双化协同” 水平,识别其影响碳强度的传导路径、互补条件与阶段边界,是本领域有待拓展的研究方向。

本文以高碳密集型上市企业为对象,基于2012—2024年的企业财务信息、行业碳排放和年度报告等数据,构建企业碳强度与“双化协同”指标,并采用双向固定效应模型评估“双化协同”对企业碳强度的影响。在此基础上,本文利用企业整群Bootstrap和交互项检验全要素生产率的传导与互补作用,通过面板门槛模型识别数据资产积累形成的非线性边界,并采用动态SVR模型考察不同协同情景下2025—2038年企业碳强度的演化路径。研究发现,“双化协同”显著降低企业碳强度;全要素生产率的提升能够强化协同减排效果,但其中介传导证据相对边际;数据资产存在双重门槛,跨越门槛后抑制作用明显增强;情景预测显示,高协同路径持续下降,基准路径缓慢下降,低协同路径则呈上升趋势。

本文的边际贡献主要体现在三个方面:第一,从协同状态而非单项转型出发,补充高碳密集企业“双化协同”的微观证据;第二,将全要素生产率与数据资产纳入统一框架,区分效率改善的传导作用,又识别资源基础形成的门槛约束;第三,在静态实证基础上引入动态情景预测,把研究时间维度延伸至2025—2038年。

二、理论分析与研究假设

(一)“双化协同”的减碳效应

文章基于互补性理论阐释数字化与绿色化的协同减排逻辑:若一项技术或管理实践能够提升另一项实践的边际收益,二者组合实施的绩效将优于单独推行。在“双化协同”框架下,数字化能够降低绿色创新与知识扩散成本,绿色化则为数字技术落地清洁工艺、能源及排放管理明确应用目标。数字技术提升信息透明度与要素匹配效率,绿色治理引导资本、能源、数据向高效低排放领域配置,缓解要素错配;同时智能制造实现生产流程精细化改造,绿色化借助淘汰落后产能推动制造体系低碳转型。数字化供给信息与治理工具,绿色化锚定低碳应用场景,二者共同形成系统性减排合力。

本文据此提出H1:“双化协同”显著降低企业碳强度。

(二)全要素生产率的作用机制

企业碳强度下降不仅取决于排放端治理,也取决于生产效率提升。全要素生产率综合反映企业的技术水平、要素配置效率和生产组织效率,其提高意味着企业能够以较少投入实现既定产出,或以既定投入获得更多产出。若“双化协同”能够提高全要素生产率,企业便可能在减少能源和资源消耗的同时维持或扩大产出,单位产出的碳排放随之下降。数字化主要通过数据识别和流程重组降低信息与协调成本,绿色化则通过清洁生产和节能改造压缩无效投入。当两类转型尚未协同时,数字技术可能缺少绿色导向,绿色治理也可能缺少生产信息支撑;协同后,数字技术可以依据降碳要求动态调整设备运行、工艺参数和能源使用,绿色目标又能够借助实时数据落实到具体生产环节。

本文据此提出H2:“双化协同”能够通过提升全要素生产率降低碳强度,且全要素生产率与“双化协同”在降低碳强度方面具有互补性。

(三)数据资产门槛约束下的“双化协同”减碳效应

“双化协同”能否转化为减排成效,还取决于企业的数据资产基础。数据资产不足时,企业通常面临数据缺失、口径不一和系统分割等问题,数字技术难以识别高耗能环节,绿色治理也缺少可靠依据。随着数据资产增加,企业先开展能耗监测、排放识别和工艺调整,再进入跨部门生产调度、能源管理和绿色场景复用阶段。由于数据质量、系统连通和场景融合并不同步,协同减排收益难以在跨越单一门槛后一次性充分释放。

本文据此提出H3:以数据资产为门槛变量,“双化协同”对企业碳强度的抑制作用存在双重门槛,且该作用随数据资产积累逐步增强。

三、实证设计

(一)样本与数据

本文选取2012—2024年中国A股高碳密集上市企业为研究对象。作者先以行业碳排放占比和单位产出碳强度构造碳密集指数,并据此识别高碳密集产业,公式如下:

最终识别出石油加工、黑色金属冶炼、化学原料、非金属矿物制品、有色金属冶炼、煤炭开采以及电力热力七个高碳行业。

(二)变量与指标

1.被解释变量为企业碳强度,以企业碳排放量与营业收入之比衡量。具体计算公式:

2.核心解释变量“双化协同”(Dii),由企业数字化转型水平和绿色化转型水平合成。本文采用修正耦合协调度模型,以缓解传统耦合度大量聚集在1附近、企业真实差异被压缩的问题。修正后的计算过程如下:

3.中介变量为采用LP法测算的企业全要素生产率。

4.门槛变量为企业数据资产,作者以市场价值扣除固定资产、无形资产和金融资产后的余额取自然对数衡量,并使用年报文本披露强度和2024年数据资源会计披露进行效度校验。

5.控制变量包括企业性质、规模、资产负债率、成长性、现金流、资本支出、托宾Q值和账面市值比。

(三)模型与方法

基准模型采用企业与年份双向固定效应,估计“双化协同”的减排效果。机制部分使用企业整群Bootstrap开展中介分解,并加入“双化协同”与全要素生产率的交互项,以检验效率互补。非线性部分采用静态面板门槛模型,识别不同积累阶段的减排效应。

动态层面构建SVR 支持向量回归模型,使用2013—2023年数据估计,以2024年实际状态为预测基期;情景参数依据历史年度变动率的P25、P50和P75设定,并以P10和P90考察极端情形。

四、实证结果分析

(一)基准回归

基准回归估计结果如表1所示。本文实证检验 “双化协同” 对高碳密集企业碳强度的因果效应,模型逐步纳入企业层面控制变量予以估计。回归结果表明,无论是否引入控制变量集合,核心解释变量“双化协同”的估计系数均显著为负;在纳入全部控制变量并控制企业、年份双向固定效应后,Dii的系数为-0.1338,通过1%水平的统计显著性检验。该结果证实,企业数字化‑绿色化协同程度提升能够显著抑制企业碳强度,研究假设 H1 得到经验证据支撑。从经济效应层面看,“双化协同”每变动一个标准差,对应企业碳强度约下降 2.3%,意味着协同转型的减排效应兼具统计显著性与现实经济含义。

(二)内生性讨论与稳健性检测

为缓解测量误差、样本选择性偏差以及遗漏变量所带来的估计偏误,本文从指标重构、样本限定、高维固定效应以及多种内生性识别策略开展稳健性与内生性检验。针对核心指标测度引发的估计扰动,本文重构“双化协同”合成方式,依托熵值法与传统耦合协调模型重新测算核心解释变量,回归结果见表2第(1)列。结果显示,更换指标构造逻辑后,Dii的估计系数依旧显著为负,表明基准结论不受指标测算方法的干扰。

为排除特殊样本与外部冲击的干扰,本文依次剔除直辖市属地企业、仅保留时间维度连续观测不少于5年的企业子样本、剔除疫情冲击年份观测值重新开展回归,对应结果见表2第(2)—(4)列。在上述多重样本约束下,核心解释变量的系数符号与显著性均未发生实质性改变,证明基准实证结论并不依赖特定样本子集。

考虑到部分不可观测因素存在行业‑年份层面的共同冲击特征,模型进一步引入“行业× 年份高维固定效应”,同时采用行业-年份双向聚类标准误进行统计推断,回归结果见表2第(5) 列。即便吸收行业-年度层面的共同扰动,核心解释变量的抑制效应依然统计显著。

在内生性识别层面,为处理潜在反向因果与非随机样本选择问题,本文分别采用工具变量法、倾向得分匹配(PSM)以及核心解释变量滞后一期的识别策略。与此同时,地区环境规制强度与区域数字基础设施禀赋可能同时作用于企业协同转型行为与碳排放表现,本文将上述变量纳入模型进行敏感性检验。上述系列检验均支持基准回归结论制检验显示。

(三)全要素生产率传导与互补机制检验

本文从中介传导效应与异质性互补效应两个维度,检验全要素生产率在“双化协同”影响企业碳强度过程中的作用路径,回归结果如表3所示。

Panel A结果表明,“双化协同”对全要素生产率存在边际正向作用,全要素生产率提升可显著抑制碳强度;平均因果中介效应(ACME)为-0.0058,仅在10%水平边际显著,中介占比4.64%。这说明全要素生产率是潜在传导渠道,但解释力有限,碳强度下降更多来自直接效应或其他路径。控制绿色技术创新并行渠道后,中介效应仍保持负向边际显著,证明效率渠道具备增量解释力。Panel B检验效率互补关系,交互项系数‑0.1349,在1%水平显著为负。随全要素生产率由P25升至P75,“双化协同”的减排边际效应从‑0.0339扩大至-0.2226,在P50、P75分位统计显著。可见全要素生产率既可作为传导渠道,还能放大“双化协同”的减排效果,二者存在效率互补特征,研究假设H2得到支持。

(四)门槛效应分析

门槛效应检验结果见表4—表6。结果显示,经1000次Bootstrap抽样,数据资产存在显著双重门槛,估计值为22.728、23.801,三重门槛未显著通过,“双化协同”减排效应随数据资产禀赋呈现阶段分化。数据资产低于第一门槛时,“双化协同”系数为‑0.0311,统计不显著。此阶段企业数据治理基础薄弱,生产、能源与排放系统信息割裂,数字化前期投入成本难以被协同收益覆盖,减排效应无法释放。跨越第一门槛后,数据实现系统互联,各环节信息传导效率提升,系数降至‑0.2173,在1%水平显著为负。进一步跨越第二门槛,企业跨部门、多场景数据复用与智能决策能力增强,系数降至‑0.4014,碳强度抑制效应持续强化。

从样本结构看,2024年低、中、高数据资产区间占比分别为51.48%、28.89%、19.63%,多数高碳密集企业尚未突破第一门槛,数字化投入本身不等同于减排实效。数据资产是“双化协同”跨越转型起步成本、释放减排红利的关键使能条件,上述结果为假设H3提供经验支撑。

(五)情景预测

前述面板模型仅识别样本期平均处理效应,难以刻画碳强度的动态调整惯性。为此,本文构建动态支持向量回归(SVR)模型,对2025-2038年企业碳强度开展条件情景预测,将分析由静态效应拓展至中长期演化路径。模型以2013-2023年样本作为训练集,以2024年企业现实状态为预测基期,测试集R²为0.7526,具备较好预测精度。基于“双化协同”历史变动分位数设定低协同(P25)、基准(P50)、高协同(P75)三类情景,并以P10、P90刻画极端情形,通Bootstrap生成预测区间。

情景模拟显示,不同协同路径下碳强度走势显著分化:低协同情景碳强度小幅抬升,基准情景缓慢回落,高协同情景持续下行,各类情景的差异随时间逐步扩大。需要强调,该结果为“条件预测”,依赖既定转型节奏与变量协动关系,并非无条件趋势外推。模拟结果同时表明,若高碳密集企业“双化协同”转型滞后,将会制约中长期碳强度下降目标的实现。

五、结论与建议

该文主要得到四点研究结论:一是“双化协同”显著降低高碳密集企业碳强度;二是全要素生产率存在边际中介效应,且与“双化协同”具备较强效率互补关系;三是数据资产存在双重门槛,跨越门槛后协同减排效应明显提升;四是动态SVR情景预测显示,2025‑2038年高、基准、低协同路径下碳强度将逐步分化。

据此提出政策建议:第一,强化数字化改造的绿色目标约束,推动“双化协同”向关键生产环节延伸。企业优先在高耗能、高排放环节部署能源监测、工艺控制与供应链碳管理。政府以碳强度改善作为项目验收依据,避免以设备、平台覆盖替代实际减排绩效。第二,突出协同转型的效率导向,推动数字技术投入转化为实际减排绩效。企业借助数字技术优化能源调度与要素配置,减少资源浪费。政府将全要素生产率、单位能耗降幅纳入绩效评价,对增效降碳项目给予资金信贷支持,及时调整低效项目扶持方案。第三,强化数据基础的梯度化支持,充分释放数据资产对“双化协同”的支撑作用。按照企业数据资产所处门槛分层推进:薄弱企业完善数据治理,跨第一门槛后打通生产能耗排放系统,跨第二门槛后实现跨部门数据复用。政府依据数据能力差异分类配套支持。第四,建立基于情景预测的动态监测与政策校准机制。不同协同路径2025—2038 年碳强度走势逐步分化。以“双化协同”增速、碳强度变动率为监测指标,划分区间并开展压力测试,分类施策;监测区间逐年滚动校准,不将情景预测固化为行政目标。

总体而言,这项研究的核心启示不是简单主张“数字化有利于减排”,而是指出数字化与绿色化之间存在互补条件、阶段门槛和路径分化。对于高碳行业而言,真正有效的转型政策需要把数字技术、数据基础设施和绿色生产目标组合成可执行的经营系统,并以实际碳强度改善检验投入成效。

六、原文摘要

数字化绿色化协同(以下简称“双化协同”),既是企业降碳增效的必然选择,也是新质生产力变革的内源性驱动。本文基于2012—2024年中国A股高碳密集上市企业数据,检验数字化绿色化协同对碳强度的影响。研究发现:“双化协同”显著降低企业碳强度。中介效应结果显示,全要素生产率的提升能够强化“双化协同”的碳减排效应。门槛效应检验发现,数据资产存在双重门槛,跨越门槛后抑制作用明显增强。情景预测显示,2025—2038年企业碳强度在高协同情景中持续下降,基准情景缓慢下降,低协同情景则呈上升趋势。基于此,本文提出强化数字化改造的绿色目标约束、突出协同转型的效率导向、强化数据基础的梯度化支持、建立动态监测与政策校准机制等建议,以充分发挥“双化协同”红利,实现企业降碳增效的协同。



作者:

朱 林 中央财经大学金融学院硕士研究生

指导老师:

王 遥 中央财经大学绿色金融国际研究院院长