数字化转型能否促进企业绿色创新绩效的提高？
——基于我国A股上市公司数据

杨利红，贾茹芸

（西安科技大学 管理学院，陕西 西安 710600）

党的十八大报告指出，良好生态环境是人和社会持续发展的根本基础，然而传统工业化的迅猛发展在创造巨大物质财富的同时，也付出了沉重的环境代价。因此，为了在维持经济增长的同时保护好生态环境，我国经济发展重心逐渐从追求经济效益转移到追求绿色创新发展上。企业作为经济发展的主体，其绿色创新绩效的提高对加快我国绿色创新发展具有重要意义。在此背景下，多数企业逐渐开始将人工智能、区块链、云计算及大数据等信息技术应用于生产经营过程中，希望能够通过企业数字化转型来推动绿色创新绩效的提高。然而，在数字化转型的过程中，企业不仅要摆脱对传统经营模式的依赖，还要经历技术升级、组织结构调整、资源重组等多方位变革[1]，这使得企业数字化转型周期长、成本高。因此，探讨企业数字化转型能否促进绿色创新绩效的提高是目前亟待解决的问题。

在数字化转型影响绿色创新绩效的过程中，由于信息不对称问题和代理问题的存在，导致企业从外部获得融资的成本较高，从而形成融资约束，进一步对企业绿色创新绩效产生影响。由此可见，融资约束会在数字化转型影响企业绿色创新绩效的过程中产生作用，但这一作用是不是中介效应尚未可知。此外，绿色创新活动作为一项资源需求量大的资本密集型活动，其面临着风险高、资金投入大的问题，由此可见，企业的风险承担水平及政府对企业提供的资金支持也在很大程度上影响着企业的绿色创新绩效。基于此，本文在探究企业数字化转型对绿色创新绩效影响的同时，也对融资约束在其中的中介效应和风险承担水平、政府补助的调节作用进行了研究，以此为促进企业绿色创新绩效的提高提供科学的参考依据。

目前，现有学者对企业如何进行数字化转型已经取得了较为丰富的研究。相关学者认为，高管团队内部的异质性[2]、税收激励[3]、平台赋能的方式[4]、企业自身的创新能力[5]、制度惯性以及数字技术驱动张力[6]等均会对企业数字化转型产生影响。同时，还有学者就数字化转型对企业产生的影响进行了研究，具体来看，数字化转型可以抑制企业的费用粘性[7]、促进企业经济增长[8]、提高企业劳动生产率[9]和全要素生产率[10]、推动企业高层次劳动力需求上升及劳动力结构的优化[11]。此外，多数学者认为数字化转型能促进企业创新绩效的提高[12-14]，然而还有少部分学者认为数字化转型并不能使所有企业都获得收益[15]，其原因可能在于信息技术无法适应企业现有组织结构[16]、管理层管理能力欠缺[17]等导致企业数字化转型失败。由此可见，已有关于数字化转型对创新绩效影响的研究尚未形成一致结论，且鲜有学者就数字化转型对企业绿色创新绩效的影响进行研究。

本文的创新点主要有以下几方面：第一，将企业数字化转型与绿色创新绩效联系起来，进一步拓展了影响企业绿色创新绩效的因素研究；第二，从企业产权性质、企业的污染程度及市场化程度三个方面探讨了数字化转型对绿色创新绩效影响的异质性特征，丰富了相关文献；第三，从融资约束的角度出发，研究其在数字化转型影响绿色创新绩效过程中的中介效应，完善了数字化转型对绿色创新绩效影响的机制研究；第四，以风险承担水平和政府补助为视角，探讨其在数字化转型影响绿色创新绩效过程中的调节作用，为企业积极进行数字化转型、有效提高绿色创新绩效提供了理论支撑。

1 理论分析与研究假设

1.1 数字化转型对绿色创新绩效的影响

在数字经济发展的新形势下，企业进行数字化转型可以优化生产流程，降低企业生产与运营成本、提高生产与运营效率[18]，进一步提高企业创新意愿、提升企业的创新效率、降低研发成本，从而对企业绿色创新绩效的提高产生有利影响。

首先，数字化转型能够提高企业创新意愿，从而促进绿色创新绩效的提高。由于股东和企业管理层之间存在委托代理关系，高管可能会为了谋求私利而减少对具有较高风险的绿色创新活动的投入，而数字化转型依托互联网强大的信息整合功能，使企业能够及时、快速地获取外界新信息[19]，从而有效识别绿色创新活动可能会遇到的风险，并对其进行规避，以减少企业面临的损失，从而提升企业进行绿色创新活动的意愿，进一步促进绿色创新绩效的提高。

其次，数字化转型能够提升企业创新效率，从而促进绿色创新绩效的提高。数字化转型能够加强企业内部各部门之间的信息交流与沟通[20]，使研发人员更好地了解企业的生产经营情况及市场需求情况，并依据企业自身情况有针对性地进行绿色创新活动，进一步提升企业创新效率，从而对绿色创新绩效的提高产生促进作用。

最后，数字化转型能够降低企业研发成本，从而促进绿色创新绩效的提高。企业在引进信息技术进行数字化转型后，有利于优化资源配置，加速了资源在企业间的流动，进而提高资源利用效率，降低了企业研发成本[21]；同时，数字化转型使得企业可以低成本、高效率地获得并利用与绿色创新活动相关的内外部数据，促使内部创新和外部市场需求相匹配，进而降低研发失败的可能性，从而进一步推动企业绿色创新绩效的提高。基于上述分析，本文提出以下假设：

假设1：数字化转型对绿色创新绩效具有显著的正向影响。

1.2 融资约束的中介效应

融资约束理论认为，由于信息不对称问题和代理问题的存在，导致企业从外部获得融资的成本较高，致使企业无法达到理想中的投资水平，从而形成了融资约束，限制了企业的融资渠道，对企业绿色创新绩效产生不利影响。而企业进行数字化转型可以在一定程度上缓解这一问题。

首先，数字经济是我国近年来一项重要发展战略，企业进行数字化转型作为符合国家发展战略的重要举措，可以获得国家的战略支持，在进行融资时也更容易享受到政策优惠，有效缓解了融资难的问题[22]，这使得企业能够获得充足的资金，并将其投入绿色创新活动中，进一步推动企业绿色创新绩效的提高。

其次，企业进行数字化转型之后，可以通过人工智能、区块链、云计算及大数据等信息技术及时、高效地处理和传递信息，确保信息的时效性和真实性，从而降低企业与外部资金提供者的信息不对称问题[23]，缓解企业的融资约束，在此基础上，进一步推动企业绿色创新绩效的提高。

最后，代理成本过高是企业产生融资约束的重要原因之一，而企业通过应用信息技术进行数字化转型，有利于对经营活动的成本进行及时计算，从而能够对股东与高管之间、高管与员工之间的代理成本进行有效控制[24]，在降低代理成本的同时，缓解企业的融资约束，进一步减少代理成本对企业造成的资金压力，从而为企业进行绿色创新活动提供保障，促进绿色创新绩效的提高。基于上述分析可以看出，融资约束在数字化转型与绿色创新绩效之间具有桥梁作用，因此，本文提出以下假设：

假设2：融资约束在数字化转型影响绿色创新绩效的过程中存在中介效应。

1.3 风险承担水平的调节作用

绿色创新活动是一项资源投入大、周期长的高风险活动，因此，企业想要开展绿色创新活动、提高绿色创新绩效，就必须拥有较高的风险承担水平。具体来看，风险承担水平能够在数字化转型对绿色创新绩效的影响中发挥如下作用：首先，具有高风险承担水平的企业对绿色创新活动失败的容忍度更高，高管受到短期业绩目标的压力较小[25]，因此，在数字化转型促进绿色创新绩效提高的过程中，企业高风险承担水平能够提升高管开展绿色创新活动的意愿和信心，从而加强数字化转型对绿色创新绩效的正向影响；其次，根据风险与报酬对等理论，更高的投资收益对应更高的投资风险，而高投资收益较多地体现在创新活动上[26]，因此，企业要想获得更多的投资收益，就需要开展更多的绿色创新活动，这就要求企业必须承担更多的风险，由此可见，企业承担风险的能力越高，数字化转型对绿色创新绩效的正向影响作用就越强。基于上述分析可以看出，当企业风险承担水平较高时，更有利于发挥数字化转型对绿色创新绩效的正向影响作用，因此，本文提出以下假设：

假设3：风险承担水平在数字化转型对绿色创新绩效的影响中发挥正向调节作用。

1.4 政府补助的调节作用

企业在进行绿色创新活动时需要人力、资金等资源的大量投入，然而根据外部性理论，企业的绿色创新成果可能会被其他群体无偿获得，即企业在经历了投入多、风险高、不确定大且周期长的绿色创新活动后不能独自享有创新成果，这在一定程度上降低了其进行绿色创新活动的意愿，进而抑制企业绿色创新绩效的提高。此时，政府通过实施补助为企业提供资金支持，可以在一定程度上促进数字化转型对企业绿色创新绩效的正向影响作用。具体来看，政府补助能够在数字化转型对绿色创新绩效的影响中发挥如下作用：首先，获得政府补助较高的企业可以直接增加其绿色创新活动所需资金，缓解企业面临的资源约束，引导社会资源流向企业绿色创新活动[27]，从而满足了企业开展绿色创新活动所需的各类资源，进一步提升数字化转型对绿色创新绩效的正向影响作用；其次，政府补助也可以在一定程度上弥补创新成果外溢导致的收益损失，削弱创新成果的外部性，从而提高企业进行绿色创新活动的意愿；最后，根据信号传递理论，企业获得较高政府补助能够提高企业绿色创新活动的“信誉度”，并释放“利好信号”，不断吸引外部投资者参与[28]，从而扩大企业获得资金支持的渠道，进一步分担企业绿色创新活动的资金压力，不断刺激企业数字化转型对企业绿色创新绩效的正向影响作用。基于上述分析可以看出，当企业获得的政府补助较高时，更有利于发挥数字化转型对绿色创新绩效的正向影响作用，因此，本文提出以下假设：

假设4：政府补助在数字化转型对绿色创新绩效的影响中发挥正向调节作用。

2 研究设计

2.1 样本选取与数据来源

本文选取2016—2021 年沪深两市A 股上市公司的数据作为研究样本。在此基础上，为了确保样本数据的完整性及研究结论的可靠性，本文对样本企业进行了如下筛选：①剔除ST 和ST*企业；②剔除关键数据缺失的企业；③剔除金融企业和保险企业。同时，为了避免极端值对研究结果造成误差，本文对所有连续变量进行了上下1%的Winsorize 缩尾处理。经过以上筛选和处理，最终得到了977 家数据完整的样本企业，共计5 862 个有效样本数据。其中，绿色专利申请数据来自中国研究数据服务平台（CNRDS），数字化转型数据来自上市公司年报，其余数据均来自万德数据库（WIND）。本文使用Excel 对相关数据进行整理，最终运用Stata 17.0 统计软件进行数据统计与分析。

2.2 变量定义

2.2.1 被解释变量

本文的被解释变量为绿色创新绩效。根据国外早期代表学者ACS 等[29]的研究发现，绿色专利是企业绿色创新成果产出的集中体现，能够可靠衡量企业的绿色创新绩效。企业绿色专利主要包括发明专利和实用新型专利两种，虽然实用新型专利的创新程度较低，但其作为企业创新成果的产出，也能给企业带来收益。同时，由于专利授权往往需要经过较长周期，不能反映企业当期的创新成果，因此与专利授权数相比，专利申请数更能反映企业当期的创新成果[30]。此外，考虑到绿色专利申请数具有“右偏性”的特点，本文参考潘红波等[25]、申明浩等[31]的做法，以绿色专利申请数加1 取自然对数的方式来衡量绿色创新绩效，并用Pat表示。

2.2.2 解释变量

本文的解释变量为企业数字化转型。通过对相关文献进行梳理发现，大多数学者采用“是否进行数字化转型”作为虚拟变量对企业数字化转型进行衡量[32]，但该指标无法反映企业数字化转型的程度，因此，本文借鉴吴非等[17]的做法，以上市公司年报中与“企业数字化转型”相关的词频总数作为衡量企业数字化转型程度的指标。具体而言，本文共选取了人工智能技术、区块链技术、云计算技术、大数据技术和数字技术应用五大类别共76 个特征词进行统计，如表1 所示。

表1 数字化转型特征词表

本文根据表1 所示的特征词谱对企业年报中出现的词频数进行统计，以此来衡量企业数字化转型程度，同时考虑到该数据的“右偏性”特点，本文将其进行对数化处理，并用Dig表示。

2.2.3 中介变量

本文的中介变量为融资约束。融资约束的衡量方式主要包括单一指标和综合指标两种，其中，单一指标包括企业的股利支付水平、现金流量、企业规模等；综合指标包括FC 指数、WW 指数及KZ 指数等。与单一指标相比，运用综合指标能更全面地衡量企业的融资约束水平，同时，在综合指标中，WW 指数及KZ 指数存在一定程度上的内生性问题，因此，本文借鉴苑泽明等[23]、顾雷雷等[33]学者的做法，选取FC 指数作为企业融资约束的衡量指标，并用FC表示。

2.2.4 调节变量

本文的调节变量为风险承担水平和政府补助。现有学者主要通过盈余波动性、股票回报波动性、资产负债率及研发支出等指标对企业风险承担水平进行衡量，由于我国股票市场波动性较大[1]，因此，本文借鉴何瑛等[34]的做法，选取盈余波动性作为风险承担水平的衡量指标，具体计算公式如式（1）和式（2）所示。

式（1）、（2）中：i、n分别表示上市公司及时间，ROA为企业当年息税折旧及摊销前利润（EBITDA）与当年末总资产（ASSETS）的比值，为缓解行业和周期的影响，将企业ROA减去年度行业均值得到ADJ_ROA，如公式（1）所示。同时，本文以每3 年为一个观测时段，滚动计算ADJ_ROA的标准差，以此来衡量企业的盈余波动性，如公式（2）所示。本文以盈余波动性来衡量企业的风险承担水平，并用Risk表示。

此外，政府补助是政府无偿给予企业的资金支持，本文依据企业财务报表附注中公布的政府补贴金额获得该指标的具体数据，同时为了避免企业规模造成的差异，本文借鉴黄琰等[35]的做法，用政府补助金额的对数作为衡量政府补助的指标，并用Gov表示。

2.2.5 控制变量

考虑到影响本研究的因素较多，因此，为了控制其他变量的影响，本文参考吴非等[17]、潘红波等[25]学者的做法，选取资产负债率（Lev）、研发投入强度（R&D）、第一大股东持股比例（Top1）、净资产收益率（Roe）、账面市值比（BM）及企业年龄（Age）作为控制变量，同时，将年份（Year）和行业（Ind）作为虚拟变量，来控制其对企业创新绩效产生的影响。相关变量定义及说明如表2所示。

表2 变量定义表

2.3 模型设计

为了验证企业数字化转型对绿色创新绩效的影响作用，本文根据假设1 构建了模型（1），具体公式如下所示。

式中：β为回归系数，ε为随机误差项。为了验证融资约束在企业数字化转型对绿色创新绩效影响中的中介效应，本文根据假设2 构建了模型（2）和模型（3），具体公式如下所示。

为了验证风险承担水平和政府补助在企业数字化转型对绿色创新绩效影响中的调节作用，本文分别根据假设3 和假设4 构建了模型（4）和模型（5），具体公式如下所示：

3 实证分析

3.1 描述性统计分析

本文对样本数据进行了描述性统计分析，包括数据的最小值、最大值、均值及标准差，描述性统计分析具体结果如表3 所示。

表3 描述性统计分析

由表3 可以看出，本文被解释变量——绿色创新绩效（Pat）的最小值为0，最大值为5.740，均值为1.973，标准差为1.307，说明不同企业之间绿色创新绩效存在明显差异。解释变量——企业数字化转型（Dig）的最小值为0，最大值为5.361，均值为1.818，标准差为1.450，说明在本文选取的样本企业中，数字化转型程度差异较大，且仍有部分企业尚未进行数字化转型。本文的中介变量——融资约束（FC）的最小值为0.000 12，最大值为0.974，均值为0.392，标准差为0.271，说明目前不同企业之间融资约束具有较大的差异。在调节变量中，风险承担水平的最小值为-23.88，最大值为22.59，均值为5.072，标准差为6.220，说明样本企业之间对风险的承担能力存在显著差异；政府补助的最小值为13.78，最大值为20.78，均值为17.12，标准差为1.368，说明不同企业之间获得的资金支持具有差异。从控制变量的最小值、最大值、均值及标准差可以看出，各控制变量在不同企业之间也存在不同程度的差异。

3.2 回归结果分析

3.2.1 基准回归

为了探究数字化转型对企业绿色创新绩效的影响，本部分根据前文构建的模型（1）进行回归分析，具体结果如表4 所示。

表4 基准回归结果

表4 的列（1）和列（2）分别列示了未加入控制变量和加入控制变量后的回归结果。可以发现，在未加入控制变量时，模型（1）的F值为40.41，在1%水平下通过了显著性检验，同时调整后的R2为0.133 9；在进一步加入控制变量后，模型（1）的F值为70.96，且在1%水平下通过了显著性检验，调整后R2为0.257 1，说明本文选取的控制变量加强了模型对企业绿色创新绩效的解释力度。同时，由表4 的回归结果可知，在未加入控制变量和加入控制变量后，企业数字化转型的系数分别为0.119 8 和0.137 9，均在1%水平下通过了显著性检验，这表明数字化转型对绿色创新绩效产生了显著的正向影响，假设1 得到验证。

3.2.2 内生性检验

由于企业绿色创新绩效的提高可能会在一定程度上倒逼企业向数字化方向发展[31]，因此，企业数字化转型与绿色创新绩效之间存在一定的内生性问题。为了避免内生性问题对研究结果产生影响，本文分别选取滞后数据及工具变量进行内生性检验。

（1）滞后数据进行检验。本文借鉴付剑茹等[36]的研究，选用解释变量和控制变量滞后一期的数据进行回归，以缓解企业数字化转型与绿色创新绩效之间的反向因果问题。在此基础上，本文进一步将滞后两期的数据代入模型（1）中进行回归，具体结果如表5 所示。

表5 内生性检验结果（滞后数据）

表5 的列（1）和列（2）分别列示了解释变量和控制变量滞后一期、滞后两期的回归结果，可以看出，将滞后一期、滞后两期的数据代入模型（1）进行回归后，F值分别为63.25 和55.64，均在1%水平下通过了显著性检验，且调整后R2分别为0.263 0 和0.274 1，说明模型与变量数据之间的拟合优度较高，可以用来进行内生性检验。同时，滞后一期、滞后两期的数字化转型系数分别为0.132 6 和0.128 0，均在1%的水平上显著为正，这在一定程度上缓解了企业数字化转型与绿色创新绩效之间的反向因果问题。

（2）工具变量进行检验。虽然滞后数据可以在一定程度上缓解内生性问题，但也有可能遗漏当期的有效变量，因此，本文还选取了工具变量进行内生性检验。本文借鉴肖红军等[37]、尚洪涛等[38]的研究，选用同年度、同行业除企业自身外的企业数字化均值（IV1）作为工具变量进行内生性检验。此外，本文还参考了潘洪波等[25]的做法，选取企业所在城市的上市公司数（IV2）作为另一个工具变量进行内生性检验。同年度、同行业除企业自身外的企业数字化均值（IV1）及企业所在城市的上市公司数（IV2）均与企业自身数字化水平紧密相关，但难以对企业自身的绿色创新绩效产生直接关联，因此，这两个指标均满足工具变量相关性和排他性的要求。在选取工具变量之后，本文运用两阶段最小二乘法进行了内生性检验，检验结果如表6 所示。

表6 内生性检验结果（工具变量）

在表6 中，列（1）和列（3）分别列示了IV1 和IV2 两个工具变量第一阶段的回归结果，结果显示，两个工具变量对数字化转型程度的效应均在1%水平下显著为正，且模型的F值分别为267.33 和119.08，远大于临界值10，排除了弱工具变量的问题。列（2）和列（4）分别列示了IV1 和IV2 两个工具变量第二阶段的回归结果，结果显示，IV1 和IV2 对企业绿色创新绩效的回归系数分别为0.069 1 和1.392 2，均在1%水平下显著为正，与前文回归结果一致，这进一步缓解了企业数字化转型与绿色创新绩效之间的内生性问题。

3.2.3 稳健性检验

为保证实证结果的可靠性，本文采用替换变量、区分绿色创新类型及更换回归模型三种方法进行稳健性检验。

（1）替换变量进行检验。本文借鉴靳毓等[39]的做法，将上市公司获得的绿色专利数（Pat-Obtain）作为衡量绿色创新绩效的指标，并利用上文构建的回归模型，对基准回归结果进行稳健性检验。检验结果如表7 所示。

表7 稳健性检验结果（替换变量）

由表7 可以看出，在替换了绿色创新绩效的衡量指标后，模型（1）的F值为72.33，在1%水平下通过了显著性检验，且调整后的R2为0.260 9，说明回归模型的拟合优度较高，可以利用模型（1）进行检验。同时，数字化转型对绿色创新绩效的回归系数为0.078 6，依然在1%水平上显著为正，这表明模型（1）通过了稳健性检验，实证结果具有可靠性。

（2）区分绿色创新类型进行检验。企业绿色专利包括绿色发明专利（Pat-Inn）和绿色实用新型专利（Pat-Other）两种，发明专利和实用新型专利包含的创新程度不同[40]，使得数字化转型对不同类型绿色专利的影响程度也存在差异。因此，本文将企业绿色专利分为绿色发明专利和绿色实用新型专利两种类型，利用上文构建的回归模型（1），对基准回归结果进行稳健性检验。检验结果如表8 所示。

表8 稳健性检验结果（区分绿色创新类型）

表8 中，列（1）和列（2）分别列示了数字化转型对绿色发明专利和绿色实用新型专利的回归结果。可以看出，两个回归的F值分别为53.99 和85.66，均在1%水平下通过了显著性检验，且调整后的R2分别为0.207 7和0.295 2，说明回归模型的拟合优度较高。数字化转型对绿色发明专利和绿色实用新型专利的回归系数分别为0.162 5 和0.056 3，均在1%水平上显著为正，这说明模型（1）通过了稳健性检验，实证结果具有可靠性，同时表明数字化转型对企业绿色发明专利的促进作用更明显。

（3）更换回归模型进行检验。由于绿色专利申请量为计数型变量，且在0 处存在左截断的特征，因此，本文分别采用Tobit 模型和负二项回归模型对基准回归结果进行稳健性检验。检验结果如表9 所示。表9 中，列（1）和列（2）分别列示了Tobit 模型和负二项回归模型的回归结果。根据回归结果可以看出，在Tobit 模型和负二项回归模型中，数字化转型对企业绿色创新绩效的回归系数分别为3.909 6 和0.139 6，均在1%水平下显著为正，这说明模型（1）通过了稳健性检验，实证结果具有可靠性。

表9 稳健性检验结果（更换模型）

3.2.4 异质性检验

本文从企业的产权性质、所属行业及市场化程度三个方面来检验在不同性质企业中数字化转型对绿色创新绩效的影响是否存在不同。

（1）区分产权性质。产权性质不同会导致企业对绿色创新活动的开展存在差异[41]。为了进一步验证不同产权性质下数字化转型对绿色创新绩效影响的差异，本文按照产权性质的不同将样本企业区分为国有企业和非国有企业，根据模型（1）进行回归分析，结果如表10 所示。

表10 异质性检验结果（区分产权性质）

表10 中，列（1）和列（2）分别列示了国有企业和非国有企业的回归结果。可以看出，两个回归的F值分别为33.11 和38.84，均在1%水平下显著为正，且调整后的R2分别为0.291 9 和0.223 6，说明回归模型的拟合优度较高，可以利用模型（1）进行检验。在国有和非国有企业中，数字化转型对绿色创新绩效的回归系数分别为0.195 3和0.111 6，均在1%水平上显著为正，这表明在国有企业中，数字化转型对绿色创新绩效的促进作用更强。

（2）区分行业。由于所属行业不同，企业对开展绿色创新活动的需求及条件也会存在差异。因此，本文根据我国《上市公司行业分类指引》《上市公司环保核查行业分类管理名录》以及《上市公司环境信息披露指南》的规定，将煤炭、采矿、纺织、制革、造纸、石化、制药、化工、冶金、火电等16 个行业划分为重污染行业，其他行业划分为非重污染行业，并以此为基础，将样本企业划分为重污染企业和非重污染企业，进一步验证在不同行业中数字化转型对绿色创新绩效影响作用的差异。本文在此基础上根据模型（1）进行回归分析，回归结果如表11 所示。

表11 异质性检验结果（区分行业）

表11 中，列（1）和列（2）分别列示了重污染行业和非重污染行业的回归结果。可以看出，两个回归的F值分别为33.41 和56.15，均在1%水平下显著为正，且调整后的R2分别为0.234 1 和0.277 5，说明回归模型的拟合优度较高，可以利用模型（1）进行检验。在重污染企业和非重污染企业中，数字化转型对绿色创新绩效的回归系数分别为0.055 5 和0.131 0，均在1%水平上显著为正，这表明在非重污染行业中，数字化转型对绿色创新绩效的促进作用更强。

（3）区分市场化程度。市场化程度是影响企业绿色创新能力的重要因素[42]，因此，为了进一步验证市场化程度的高低是否会对企业数字化转型影响绿色创新绩效产生差异，本文采用《中国市场化指数》对企业所在省份的市场化程度进行衡量，同时依据各年份市场化程度的中位数对样本企业进行分组，高于当年中位数的企业划分为高市场化组，其余为低市场化组，在此基础上分别将两组数据代入模型（1）进行回归分析，结果如表12 所示。

表12 异质性检验结果（区分市场化程度）

表12 中，列（1）和列（2）分别列示了高市场化组和低市场化组的回归结果。可以看出，两个回归的F值分别为46.09 和32.14，均在1%水平下显著为正，且调整后的R2分别为0.307 1 和0.236 9，说明回归模型的拟合优度较高，可以利用模型（1）进行检验。同时，在高市场化组和低市场化组中，数字化转型对绿色创新绩效的回归系数分别为0.102 7 和0.174 3，均在1%水平上显著为正，这表明在市场化程度较低的企业中，数字化转型对绿色创新绩效的促进作用更强。

3.2.5 进一步分析

前文的分析表明，数字化转型显著促进了绿色创新绩效的提高。在此基础上，本文进一步对融资约束在其中的中介效应及风险承担水平、政府补助在其中的调节作用进行了分析，以期探讨数字化转型促进绿色创新绩效提高的内在机理。

（1）融资约束的中介效应。为了验证融资约束在企业数字化转型对绿色创新绩效影响中的中介效应，本部分根据前文构建的模型（2）和模型（3）进行回归分析，具体结果如表13 所示。

表13 融资约束的中介效应

由表13 可以看出，模型（2）和模型（3）的F值分别为168.24 和89.23，均在1%水平下显著为正，且调整后的R2分别为0.452 8 和0.311 1，说明回归模型的拟合优度较高，可以利用该模型进行检验。同时，依据表13 的回归结果，并结合温忠麟等[43]的中介效应检验流程，本文就融资约束在数字化转型对绿色创新绩效影响中的中介效应进行分析：首先，数字化转型对融资约束的回归系数a为-0.017 3，融资约束对绿色创新绩效的回归系数b为-1.519 6，其均在1%水平下显著为负；其次，数字化转型对绿色创新绩效的回归系数c为0.111 6，在1%水平下显著为正；最后，系数a和系数b的乘积与系数c同号，说明融资约束在数字化转型对绿色创新绩效的影响中具有部分中介效应，即数字化转型可以通过缓解企业融资约束来促进绿色创新绩效的提高，假设2 得到验证。

（2）风险承担水平和政府补助的调节作用。为了验证风险承担水平和政府补助在企业数字化转型对绿色创新绩效影响中的调节作用，本文根据前文构建的模型（4）和模型（5）进行回归分析，具体结果如表14 所示。

表14 风险承担水平和政府补助的调节作用

由表14 可以看出，模型（4）和模型（5）的F值分别为66.87 和95.30，均在1%水平下显著为正，且调整后的R2分别为0.258 4 和0.332 8，说明回归模型的拟合优度较高，可以利用该模型进行检验。同时，依据表14的回归结果可以看出，风险承担水平、政府补助与数字化转型的交乘项系数分别为0.005 9 和0.014 2，在1%和10%水平下显著为正，说明风险承担水平和政府补助在企业数字化转型对绿色创新绩效影响中均发挥了正向调节作用，假设3 和假设4 得到验证。

4 研究结论与启示

本文以2016—2021 年沪深两市A 股上市公司的数据作为研究样本，理论分析并实证检验了数字化转型对绿色创新绩效的影响、融资约束在其中的中介效应以及风险承担水平、政府补助的调节作用。研究结果表明：第一，数字化转型对企业绿色创新绩效具有显著的正向激励作用，且从区分创新类型来看，数字化转型对企业绿色发明专利的促进作用更明显；第二，融资约束在数字化转型影响绿色创新绩效的过程中存在中介效应，即数字化转型能够通过缓解企业的融资约束来推动绿色创新绩效的提高；第三，风险承担水平和政府补助均在数字化转型对绿色创新绩效的影响中发挥正向调节作用；第四，数字化转型对绿色创新绩效的促进作用存在明显的企业异质性，具体而言，在国有企业、非重污染企业及市场化程度较低的企业中，数字化转型对绿色创新绩效的促进作用更显著。

基于研究结论得出如下启示：第一，企业应加快推进数字化转型，尤其是国有企业、非重污染企业及市场化程度较低的企业更应该提高信息化程度，积极引入人工智能、区块链、云计算及大数据等信息技术，并将其应用于生产经营活动中，推动企业进行数字化转型，从而为绿色创新绩效的提高提供数字化保障；第二，企业应提高绿色创新项目的信息透明度，通过降低企业与外部资金提供者之间的信息不对称程度，来缓解企业融资约束，从而促进企业绿色创新绩效的提高；第三，企业应合理提升自身风险承担水平，增强对资源投入多、风险高、周期长、不确定性大的绿色创新活动的容忍度和自信心，避免因过度规避风险而失去创新机会，进一步提高企业绿色创新绩效；第四，政府应完善补助政策，加大对实施数字化转型企业的补助力度，为保证企业绿色创新活动持续、稳定开展提供长期的资金支持，从而推动企业绿色创新绩效的持续提高。