| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 管理/制度 |
| 企业数智化发展与气候政策不确定性 |
| 第766期 作者：□文/雷 墨 时间：2025/12/1 14:25:27 浏览：33次 |
［提要］ 在当今数字经济时代，气候和环境治理的复杂性不断上升，企业深处于这种不确定性的环境中。本文基于我国A股上市公司面板数据作为研究对象，选择与气候环境有较大关联的产业数据，实证分析气候政策不确定性对企业数智化发展程度的影响，使用动态面板系统GMM模型进行实证分析以及稳健性检验，结果表明：气候政策不确定性对于企业数智化程度具有显著抑制作用。
关键词：数智化；气候政策不确定性；GMM
中图分类号：F27 文献标识码：A
收录日期：2025年6月10日
在当前数字化时代背景下，大数据、人工智能、云计算、机器学习等技术的不断创新与应用，为研究人员提供了更多探索和创新的机会。随着数字化进程的不断发展，“数智化”一词逐渐出现在大众视野，成为近年来炙手可热的词语。数字化和数智化在信息处理和利用方面有着密切的关系，两者相辅相成，共同推动了信息化时代的发展。作为宏观经济的微观载体，提升数智化水平已经成为各企业发展的必然抉择。
与此同时，人类社会面临着严峻的气候环境问题。数字经济的发展推动了工业化和城市化进程，但也带来了能源消耗增加、碳排放增加等问题，气候和环境治理的复杂性不断上升，使得气候政策的不确定性（简称CPU）也逐渐上升。其带来的影响不仅在环境能源方面，也涉及企业的各个方面，因此研究CPU如何影响企业数智化程度对于企业来说具有重大现实意义。本文就二者的关系展开实证研究，旨在对气候相关政策实施者以及企业如何更好地应对气候政策不确定性带来的风险提出建议。
一、文献综述
推动数智化发展对于企业来说具有重要意义，因此研究哪些因素会影响企业数智化程度至关重要。但是，目前关于数智化的研究较少，有关实证研究仍处于探索性阶段。罗斌元等（2022）认为数智化转型与应用对经济高质量发展具有积极促进作用，营商环境在其中发挥着显著的正向调节作用。张于（2023）研究发现流通企业数智化发展正向促进供应链集中配置。也有学者认为数智化和企业创新质量之间存在“倒Ｕ型”关系，并且这种关系存在行业异质性。而盛斌等（2024）研究发现数智化会通过上下游价值链产品与要素市场融合，降低交易成本，提升全要素生产率，从而推动国内大循环、国内国际双循环。关于影响数智化程度的相关因素，有学者发现中国制造企业的研发投入和融资环境对企业的数智化转型过程具有非常显著的影响，但制造企业的规模对数智化转型的影响不是很明显。
在经济飞速发展的同时，由气候变化引发的各类气候灾害不断发生，为了防范气候变化可能带来的风险，各国出台相应政策。习近平主席在第七十五届联合国大会一般性辩论上提出，“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。2021年联合国气候变化大会（COP26）的目标是在全球经济增长的同时实现净零排放。然而，气候政策的采纳和实施往往面临着很大的不确定性，会对社会各个方面产生影响。CPU对各类能源均有影响，其中对太阳能和风能的影响尤为显著，且CPU对油气能源价格的时变效应随时间由正向负显著转变。郭晶等（2023）认为气候政策不确定性对企业绿色创新具有显著的负向影响，并且阐述了其作用机制，但也有学者得到了截然相反的结论。一些学者就CPU对于公司股价的影响进行了研究，样本内结果表明，CPU对股票价格波动有显著影响，高CPU水平降低了当前的股市收益，且增加了波动性。除此之外，CPU还显著降低了企业的全要素生产率，增加了企业的违约风险，且随着违约调查期限结构的延长而系统性地加剧。
二、指标选取
（一）数据来源。本文结合国务院2008年发布的《应对气候变化的政策与行动》白皮书和2011年印发的《“十二五”控制温室气体排放工作方案》等政策内容，考虑到这些政策的时滞效应并结合数据的可得性，以2011～2022年我国A股上市公司为研究对象，选取与气候环境有较大关联的采矿业、制造业、电力、热力、燃气及水生产和供应业的相关数据，并对数据进行如下处理：剔除在观测期内被ST特殊处理的上市公司数据，剔除重要数据缺失的上市公司年度观察值。最终得到2011～2022年包含15，033个观测值的非平衡面板数据。所有数据均来源于国泰安（CSMAR）数据库。
（二）变量定义
1、被解释变量。尽管目前我国关于数智化的相关研究逐渐增多，但现有文献主要从定性方面进行分析，迄今为止尚未确立明确统一的量化测量方法。目前普遍认为，数智化是对数字化和智能化的融合，是数字化与智能化的升级与再配置，本文基于以上思路来构建数智化指数。
数字化主要以大数据分析与处理为基本特征，因此构建数字化指数综合考虑了战略引领、组织赋能、数字化程度、数字化成果和数字化应用五个维度，相比以往文献中采用的指标，涉及的维度更为全面；智能化则以机器学习、人工智能等为核心要素和基础，借助大数据和云计算等技术，将相关智能技术融入企业的运营过程中。将类似区块链、大数据、人工智能、区块链等智能化技术相关的数据融入智能化数据的构建，从而得出企业相应的智能化指数。
数字化和智能化相应的各级指标选取及详细说明如表1所示。（表1）
数智化指标的具体处理方法为：先分别对筛选出的数字化和智能化的相应指标进行主成分分析，得到数字化综合指数以及智能化综合指数，其结果均通过KMO检验，符合进行主成分分析的要求；接着对数字化综合指数以及智能化综合指数再次进行主成分分析，从而得到数智化综合指标。
2、核心解释变量。本文使用Yan-Ran Ma等在2023年发表的论文方法来测算CPU的值，由于数据本身存在的限制，因此本文使用各个公司当年所在省份的CPU指数作为公司的CPU指数进行后续研究。
3、控制变量。综合参考相关文献如Yan Mo（2023）、郭晶（2023）等，选取能够反映企业关键特征并与数智化密切相关的指标作为控制变量，本文主要考虑企业的内部特征：债务利率（leverage）、公司净利润（profit）、托宾Q指数（TBQ）、研发投入（RD）、净资产收益率（ROE）、上市年限（listing）、公司高管平均学历（degree）、销售增长率（growth）。
主要变量的具体选取方法和定义如表2所示。（表2）
三、模型设定与实证分析结果
（一）模型设定。企业的数智化是利用数字化数据，结合数据分析、人工智能、机器学习等技术来深入理解数据，发现模式和趋势，并做出更加智能化的决策，其过程是一个连续不断发展的过程，前一年的数智化程度往往会对当年造成一定的影响。因此，为了确保模型估计的稳健性，本文将被解释变量的滞后一期纳入到模型中，建立动态面板模型，得到实证模型：
NIit=β0+β1NIi（t-1）+β2CPUit+β3leverageit+β4profitit +β5TBQit +β6RDit+β7ROEit+β8listingit+β9degreeit+β10growthit+εit （1）
其中，i代表A股各上市公司（i=1，…，N）；t为年份（t=1，…，T）；εit是随机扰动项；β0为截距项；β1～β10为系数；CPU为解释变量；NI为被解释变量，即建立的公司数智化指数（Number Intelligence）。由于在基本模型中加入了被解释变量的一期滞后项，导致模型无法满足完全外生性的假定，普通面板的固定效应或随机效应无法得到一致估计。因此，为了解决存在的内生性问题，本文采用二阶系统GMM方法进行动态面板估计，能较好地解决内生性问题，在模型中需要关注β2系数的正负。
（二）实证结果与分析
1、描述性统计。根据表3中各变量描述性统计的结果，主要被解释变量数智化指数的平均值为2.128，中位数为1.927，标准差为0.838，最大值为39.965，最小值为0.005，表明随着时间发展样本公司的数智化程度存在较大差异。核心解释变量气候政策不确定指数的平均值为2.304，中位数为2.246，标准差为0.478，最大值和最小值分别为3.978和0.891，表明我国不同时期的气候政策不确定性在各省之间存在较大差异。此外，控制变量的大小和分布与以往研究基本接近。（表3）
2、基础回归结果。表4报告了气候政策不确定性对企业数智化程度影响的GMM二阶回归基准回归结果，使用stata 17.0软件进行回归分析，同时使用AR检验和Hansen检验来判断估计方法的合理性。（表4）
根据回归结果可知，核心解释变量气候政策不确定性的回归系数为-0.102，在1%的水平下显著为负，说明气候政策不确定性会抑制企业数智化的发展。这可能是由于气候政策不确定性造成的挤出效应，其带来的潜在额外环境成本会使得企业配置相应资金用于预防和减少碳排放，从而抑制企业的创新投资，导致数智化进程减缓。除此之外，Hansen检验的p值为0.264，大于0.1，且模型的AR一阶和二阶的p值分别为0.021和0.148，满足系统广义矩估计的条件。
3、稳健性检验
（1）改变核心变量。使用Lee和Cho在2023年开发的基于推特的中国气候政策不确定性指数，将CPU指标的月平均值转换为年数据，并在回归模型中将原始数据除以100，以此作为CPU数据再次进行回归。回归结果如表5列（1）所示，根据结果可知CPU的回归系数为-0.042且在1%的水平下显著，动态模型回归的各变量系数的符号及其显著性等均与之前基本一致，因此改变核心变量带来的回归结果同样支持基本结论。（表5）
（2）更改样本时间区间。2015年12月12日，巴黎气候变化大会上通过《巴黎协定》，中国全国人大常委会于2016年9月3日批准中国加入《巴黎气候变化协定》。《巴黎协定》的签署对于相关气候政策的制定会产生一定影响，因此为了验证结果的稳健性，选取《巴黎协定》签署前后的时间区间分别进行回归，回归结果分别如表5列（2）、列（3）所示：在2011～2016年间CPU的回归系数为-0.158，显著为负；2016～2022年间CPU回归系数为-0.102，且在5%的水平显著，均与前文的基础结论相一致。
综上，模型回归的各变量系数的符号及其显著性等均与之前基本一致，说明本文的结论较为稳健。
四、结论及建议
本文研究结果表明：气候政策不确定性对于企业数智化程度具有显著的抑制作用，并且为了保证分析结果的稳健性，进一步检验两者间关系的合理性，对结论进行了稳健性检验。
根据以上结论，本文提出如下建议：一是对于政府来说，应出台经济友好的相关支持政策，制定具有一致性和可预期性的气候政策，以增加气候政策的稳定性，为企业绿色创新营造持续稳定的政策环境，从而更好地促进企业发展。二是对于企业来说，应当高度重视以数字化为基础，利用人工智能、大数据分析、物联网等技术，实现数据智能化分析和运用的数智化发展能力建设。三是对于社会来说，要发挥新闻媒体的宣传和引导作用，稳定企业和公众对气候政策的认知，强化对政策的正面宣传报道，避免传递不确定性的信息造成企业和公众的恐慌，引导企业绿色高效地进行生产和创新。
（作者单位：首都经济贸易大学）
主要参考文献：
［1］罗斌元，陈艳霞.数智化如何赋能经济高质量发展——兼论营商环境的调节作用［J］.科技进步与对策，2022.39（05）.
［2］张于.流通企业数智化发展、供应链配置与市场绩效［J］.商业经济研究，2023（20）.
［3］王莉娜，郭誉森.数智化和制造企业创新质量——来自中国上市企业的经验证据［J］.工业技术经济，2023.42（04）.
［4］苑希港，张晓青.中国制造业数智化转型的影响因素和对策研究［J］.江苏商论，2023（11）.
［5］盛斌，吕美静，朱鹏洲.数字经济发展如何赋能中国经济双循环——基于省份-行业层面的研究［J］.国际贸易问题，2024（06）.
［6］Yue，et al.Energy transition concern：Time-varying effect of climate policy uncertainty on renewables consumption［J］.Technological Forecasting and Social Change，2023（192）.
［7］郭晶，雍志婷.气候政策不确定性与企业绿色创新——基于新闻媒体文本分析方法的测度［J］.金融与经济，2023（09）.
［8］Chen，Zhonglu，Li Zhang，Chen Weng.Does climate policy uncertainty affect Chinese stock market volatility［J］.International Review of Economics & Finance，2023（84）.
［9］Xu，X.，Huang，S.，Lucey，B.M.，An，H..The impac-
ts of climate policy uncertainty on stock markets：Comparison between China and the US［J］.International Review of Financial Analysis，2023（88）.
［10］戚聿东，郝越，侯娜，等.装备制造企业数智化转型的模式与路径探索——基于山河智能的案例研究［J］.经济管理，2022.44（11）.
［11］Ma Y R，Liu Z，Ma D，et al.A news-based climate policy uncertainty index for China［J］.Scientific Data，2023.10（01）.
［12］Mo Y，Liu X.Climate policy uncertainty and digital transformation of enterprise—evidence from China［J］.Economics Letters，2023（233）.
［13］Lee K，Cho J.Measuring Chinese climate uncertainty［J］.International Review of Economics & Finance，2023（88）.
|
|
|
|
