区域大数据发展能促进企业绿色创新吗？

艾永芳 孔 涛

(1.大连外国语大学 商学院， 辽宁 大连 116044；2. 辽宁大学 公共管理学院， 辽宁 沈阳 116036)

一、引言

党的十九大以来，污染防治作为“三大攻坚战”之一连续四年被写入中央经济工作会议公报，说明生态保护与经济发展之间的矛盾已成为我国现阶段亟需解决的问题之一。绿色创新因具有经济和环境的双重效益成为化解上述矛盾的有效手段[1]。然而，绿色创新系统中存在的严重信息不对称问题一直制约着我国绿色创新水平的提升：首先，从企业角度来看，由于与需求方存在信息不对称，所以企业研发投资存在一定的盲目性，难以满足市场需求，使研发成果难以转化为市场价值，倒逼企业放弃绿色研发投入。其次，金融机构与企业之间也存在信息不对称，这就造成企业的融资约束问题，在资金短缺的情况下，绿色研发也难以进行[2][3]。最后，政府与企业之间的信息不对称不利于政府对企业行为的监督，会降低政府补贴等优惠政策对绿色创新的实际支持作用[4]。而大数据技术的发展和应用则可缓解上述信息不对称问题，从而促进企业绿色创新水平的提升。因此本文探讨区域大数据发展对企业绿色创新的影响机制具有一定的现实意义。

针对如何提升企业绿色创新水平这一问题，现有相关研究重点关注了环境规制对企业绿色创新的影响机制及效果。一些研究认为合理设计的环境规制可以促进企业绿色创新[5][6]。与此同时，另一些研究则持有相反观点。例如，陶锋等发现，虽然近年来绿色专利申请数量激增，但质量出现下滑[7]。王旭和王兰发现政府绿色补贴这一环境规制政策并未能对绿色创新水平的提升起到持续性效果[4]。一些研究甚至发现，许多企业为了获取政府补贴往往会采取迎合政策的策略性创新战略[8][9]，补贴政策竟成了绿色创新市场上“劣币驱逐良币的推手”。纵观现有相关文献， 对环境规制关注较多，但很少有研究从信息不对称角度来探讨如何提升绿色创新水平这一问题。鉴于此，本文以绿色创新系统中存在的信息不对称为出发点，探讨区域大数据发展影响企业绿色创新的内在机制和作用效果则具有一定的理论价值。另外，由于缺乏与大数据相关的研究数据，所以现有关于大数据如何赋能实体经济的文献多停留在理论分析层面，实证分析很少见，仅有的几篇文献也只是采用案例分析的方法进行实证检验[10]。

有鉴于此，本文将试图解决如下两个问题：第一，区域大数据发展影响企业绿色创新的内在机制是什么，影响路径有哪些？第二，区域大数据发展对企业绿色创新的总体影响效果如何，不同路径的作用效果又如何？

本文力图在如下两方面有所贡献：一是，虽然近年来大数据技术等新技术已经被许多企业应用于商业领域，但大数据如何赋能实体经济的理论框架却尚未构建，尤其是区域大数据发展如何促进企业绿色创新的微观机理更是鲜有关注。因此，本文试图对区域大数据发展促进企业绿色创新的微观机理加以论证，以填补该研究领域的空白。二是，以大数据为代表的新技术能否通过精准的用户画像、精细化的产品定价以及集约化的业务流程来驱动企业绿色创新，也是一个现实问题，有待通过数据分析进行实证检验。目前我国尚缺乏连续性的区域大数据发展指数数据，因此鲜有文献对区域大数据发展对企业绿色创新的影响路径进行实证检验。鉴于此，本文借鉴大数据蓝皮书、国家信息中心以及中国电子信息产业发展研究院等机构的做法，构建了2014～2018年我国省域大数据发展指数，实证检验了区域大数据发展对企业绿色创新的影响机制和作用效果。

本文余下部分的安排是：第二部分是区域大数据发展影响企业绿色创新的理论分析和研究假设的提出，第三部分是研究设计，第四部分是实证结果分析，第五部分是结论和启示。

二、理论分析及假设提出

(一)区域大数据发展对企业绿色创新的直接影响

从企业角度而言，导致绿色创新不足的直接原因是绿色创新成果的价格往往被低估，即市场失灵。市场失灵的主要原因之一是企业的创意和产品与市场需求不匹配，从而使创新成果难以转化为市场价值，造成创新产出无法弥补创新投入的困境。而企业与需求方之间存在信息不对称则是造成上述困境的根本原因。在信息不对称的情况下，一方面，企业的研发决策多由高管或研发人员根据个人经验得出，这便可能导致企业创新成果与市场需求不匹配；另一方面，市场需求瞬息万变，在信息技术有限的条件下，企业无法实时跟踪需求变化，从而造成上述不匹配情形。

于是克服企业与需求方的信息不对称问题，构建以市场需求为导向的绿色创新模式，实现企业与需求方的协同演化是化解绿色创新系统市场失灵、促进企业绿色创新的关键。随着区域大数据的发展，大数据技术和大数据思维正被植入企业的创新决策当中，消费者能够以数据化的形式参与到企业绿色研发的过程中，从而实现企业与需求方之间的协同演化，进而促进企业绿色创新。具体分析如下：

1.区域大数据的发展为消费者参与企业研发创造了条件

第一，大数据发展水平越高的地区，商务和政务的电子化水平也越高，那么就能积累更多与消费者相关的数据，如此便为企业进行大数据分析提供了数据基础；第二，区域大数据产业发展得越好，数据的共享机制和交易机制就越完善，该区域的企业也就越容易获取数据；第三，区域大数据发展得越好，区域内学习和利用大数据的氛围就越浓厚，大数据思维越容易被企业决策者所接受。总之，在大数据发展水平高的地区，大数据能让消费者的“声音”以数据的形式参与到企业研发中，使企业能够对市场趋势和消费者偏好做出精准判断，从而实现企业与消费者之间的协同演化。

2.大数据分析促进了企业与消费者之间协同演化关系的形成

协同演化理论指出，协同演化是强化组织适应性和应变性的重要过程[11]。大数据分析则在这一过程中发挥着重要的作用。一方面，通过获取和分析消费者基本特征和交易规律的大数据，企业可以加强与消费者在研发过程中的互动并形成共演关系，从而提高适应性。另一方面，基于对消费者大数据的分析，企业能够在研发流程和机制上做出及时调整和改变，提高了应变性。具体地，基于消费者形成的大数据，企业通过数据获取形成细分用户和识别群体的能力，筛选出与企业研发特点相匹配的消费群体，并了解该群体的需求特征；然后，通过数据整合形成辅助决策的能力，在企业内部利用消费者大数据为企业管理者或研发人员提供决策辅助。如此，通过数据的形式将消费者的需求特征纳入企业研发决策当中，就可以在一定程度上避免企业管理者或研发人员对市场判断的偏差，也就减少了绿色创新成果与市场需求不匹配情形，从而保证创新成果的价值不被低估；同时，大数据的高速性特征可以使企业及时获取关于市场需求变化的信息，以便快速调整研发策略，确保研发产出与需求时刻匹配。

综上所述，区域大数据的发展促进了企业与消费者之间协同演化关系的形成，在一定程度上避免了绿色创新成果与市场需求之间的不匹配，化解了市场失灵，有利于绿色创新成果被合理定价，降低了企业进行绿色研发的风险，提升了企业绿色创新水平。综上，本文提出假设1：

假设1：区域大数据发展可以促进企业绿色创新。

(二)基于融资约束的区域大数据发展对企业绿色创新的间接影响

与一般性创新一样，绿色创新也具有前期资金投入量大的特点，因此需要大量的外部融资。然而，在绿色研发过程中存在核心技术溢出的风险，因此企业往往缺乏信息披露的动机，这就导致金融机构与企业之间存在信息不对称。而企业内外部信息不对称正是企业面临融资约束问题的原因之一[12][13]。同时，以银行为主导的中国金融系统存在着运行效率低、供给不足和资金错配等问题，这也会导致企业的融资约束问题[14]。所以融资约束成为企业进行绿色创新的又一障碍。

不过，金融市场在传统技术条件下面临的困境，在大数据时代将有新的解决办法。随着大数据、云计算、人工智能以及区块链技术被应用到金融系统中，传统金融部门由于信息不对称导致的高风险溢价和高运营成本将得到改善，也为金融服务范围的拓展和触达能力提供了技术支持，并从根本上降低了金融市场的搜寻成本和风险识别成本，释放了大量新商业空间，为绿色创新提供了新机遇。

具体来讲，大数据的发展从两个方面增加了金融供给，从而缓解企业的融资约束问题：一方面，以大数据、云计算以及人工智能为技术支撑的数字金融能够以极低的成本处理海量数据，使得大量长尾群体能够突破传统金融障碍进入金融市场，从而为金融市场的供给侧提供大量新生力量，这在一定程度上缓解了企业的融资约束。另一方面，通过将大数据技术引入决策流程中，传统金融系统也在一定程度上实现了重塑。传统金融机构可以通过构建硬化软信息的算法和大数据仓库对海量结构化以及非结构化数据进行挖掘，降低与企业的信息不对称，从而提升资源配置效率和风险管理能力，有效避免了金融市场中的逆向选择问题，提高了金融供给，最终可以缓解企业所面临的融资约束，为绿色创新提供了资金保障。综上，本文提出假设2：

假设2：区域大数据发展通过缓解企业融资约束进而促进企业绿色创新。

(三)基于政府补贴的区域大数据发展对企业绿色创新的间接影响

为了应对绿色创新的双重外部性问题，在资本市场发展滞后的情况下，来自政府的财税补贴成为企业进行绿色创新的主要资金来源[15]。然而，在地方政府大力出台绿色补贴政策的情况下，企业的绿色创新水平却“差强人意”[7]。Tan等、黎文靖和郑曼妮就发现企业会通过策略性创新来寻求财税支持，绿色创新甚至成为企业获取政策资源的“噱头”[8][9]。究其原因，就是在政府与企业围绕财税补贴所形成的委托代理关系中，二者的利益诉求不完全一致，政府更关注绿色创新的环境效益，企业则更关注自身的财务绩效，因此企业有动机对政府实施隐瞒策略，造成政府与企业之间的信息不对称，导致政府难以筛选出真正从事绿色创新的企业，也难以对企业实行有效监督，无法保证补贴资金被应用于绿色创新中。本文认为，在企业不愿主动披露关于绿色创新项目信息的情况下，如果绿色补贴发放部门能够充分利用大数据技术，则可以对绿色创新企业进行准确筛选，并对补贴资金的运用进行有效监督，从而促进企业绿色创新。

具体地，区域大数据的发展使企业的经营行为和企业管理层以及研发人员的行为以数据的方式被提供财税补贴的政府部门所掌握，从而为监督工作提供数据支持。一方面，企业的日常经营行为会自动生成大数据，这些数据可能存在于上下游企业、电商平台以及各个不同的政府部门；另一方面，随着线上生活的普及，企业管理层和研发人员的各种行为也会自动形成大数据。随着区域大数据的发展，这些数据将很容易被提供财税补贴的政府部门所掌握。然后，基于上述大数据，在补贴申请环节，政府可以较为精准地筛选和评估价值创造能力较强的绿色创新项目，避免陷入企业策略性创新陷阱，实现公共资源的有效配置；在创新监督环节，可以提升政府监督效力，抑制经理人的投机心理，从而使补贴资金真正地被投入到绿色创新项目中。总之，区域大数据的发展有利于政府识别有价值的绿色创新项目，并能提高其监督效力，从而提升了政府财税补贴对企业绿色创新的正面作用效果。基于上述分析本文提出如下假设：

假设3：区域大数据发展会促进政府补贴对企业绿色创新的积极作用。

三、研究设计

(一)样本选择及数据来源

2014年贵州省率先全面着手布局大数据产业，标志着大数据赋能实体经济的思维开始被政府关注，因此本文将样本的起始时间定为2014年。又由于部分用于构建大数据发展指数的数据只更新到2018年，因此本文的样本期为2014～2018年。本文的研究对象为我国A股上市公司。企业绿色专利数据是按照环境友好型标准从国家知识产权局专利库中手工整理所得；其他企业层面的数据均来自国泰安数据库；相关的区域经济指标来自国家统计局官方网站；大数据发展指数的基础数据分别通过查阅相应统计年鉴、从地方政府官方网站手工收集、整理相关研究报告所得。在剔除了金融类上市公司、被标记为ST、相关财务数据有缺失值的样本后，共得到公司-年度观测值12526个。为消除极端值对回归结果的影响，本文对相应变量进行了Winsorize处理和对数化处理。

(二)变量选取及构建

1. 绿色创新。尚没有公开数据库专门对绿色创新进行分类和披露，因此本文以国家专利数据库全文为基础，采用关键词筛选法来抓取绿色专利数据，以度量企业的绿色创新水平。具体做法为：首先，根据Rennings以及Jaffe和Palmer对“环境创新”和“生态创新”概念的权威界定[16][17]，归纳出共包括“新能源”“废物循环”“低碳”“环保”“污染”“碳排放”“可持续”“节能减排”和“有机”这9个可以准确概括绿色创新的关键词；其次，根据上述9个关键词筛选出符合条件的专利信息；最后，对已经筛选出的专利信息进行人工筛查，以避免因上述关键词出现在非核心语境中所带来的偏差。

按照上述方法，我们获得了样本企业在观测期内的每一年申请并被授予的绿色专利总数、绿色发明专利总数、绿色专利申请总数、绿色发明专利申请总数这4个指标。出于平稳性考虑，本文对上述4个指标进行了对数处理。被授予的专利数量更能体现企业的创新能力，因此在主回归中，本文分别选取企业当年申请并被授予的绿色专利总数和绿色发明专利总数的对数值lgp和lgpi来度量企业绿色创新水平。

2. 大数据发展指数。2016年以来，国家信息中心、中国电子信息产业发展研究院以及一些高校研究机构都曾发布过我国省域大数据发展指数，但是上述机构并未逐年连续编制指数，而且不同机构所编制的指数口径也不一致，这就造成目前市面上的指数数据无法应用于实证研究。鉴于此，本文作者及研究团队以现有大数据发展指数的编制思想为理论基础，根据数据的可得性，编制了2014～2018年统一口径的省域大数据发展指数。

本文从制度环境、商业环境以及民用环境三个维度出发，本着代表性、系统性、独立性、动态性以及可操作性的原则，选取了包括政策力度、试点创新、数据开放、平台应用、科技投入、相关产业规模、服务通达度、终端普及、网络就绪以及消费能力在内的10个指标作为编制区域大数据发展指数的基础指标(见表1)。熵值法可以客观地确定各个指标所占权重，因此本文利用此方法对上述10个代表性指标进行加权平均以获得区域大数据发展指数bigdata，另外，我们还通过计算这些指标的算术平均值(bigdata1)来度量区域大数据发展指数，以便进行稳健性检验。

表1 大数据发展指数指标体系

3.政府补贴。已有文献多利用政府补贴总额来度量企业获得补贴的情况[18]，但这种做法往往会高估政府财税补贴的冲击力度。本文主要关注的是政府补贴对企业绿色创新的影响，因此有必要剔除与绿色创新无关的补贴项目。鉴于此，本文对样本期内企业年报中披露的政府补贴明细进行了搜集和分析，筛选出了包含“环保”“碳排放”“节能减排”“绿色”“废物循环”“污染”以及“新能源”等关键词的补贴项目，然后将上述项目对应的金额加总得到企业所获得的绿色补贴总金额。本文利用绿色补贴金额与企业营业收入的比值来度量政府补贴水平(stgov)。

4.融资约束。本文借鉴Hadlock和Pierce的做法，通过计算SA指数对企业的融资约束程度(fc)进行度量。该指标越大代表企业面临的融资约束问题越严重，反之则越轻微[19]。

5.控制变量。为了缓解其他因素对实证结果的影响，本文还在回归模型中引入多个控制变量。其中，企业层面的包括：企业增长率(grow)，用企业营业收入增长率衡量；财务杠杆水平(lev)，用资产负债率衡量；盈利能力(roa)，用企业总资产收益率衡量；企业产权性质(soe)，国有企业取1，其他企业取0；股权集中度(first)，用第一大股东持股比例衡量；企业规模(size)，取企业期末总资产的对数值。地区层面的包括：区域经济发展水平(lmgdp)，基于可比价计算的省域人均GDP衡量；区域环境规制强度(er)，用单位工业增加值的工业污染治理投资额衡量；区域知识产权保护力度(ipp)，计算公式为1-(知识产权诉讼受理数/当年该省累计专利授予数)。

(三)模型构建

为了考察区域大数据发展对企业绿色创新的影响，本文构建了如下回归模型：

ginnovi,j,t=β0+β1bigdataj,t+∑βkcontrolsi,j,t+εi,j,t

(1)

式(1)中，下标i、j、t分别代表企业、省份和年份。ginnov代表企业绿色创新水平，本文主要用lgp(企业当年申请并被授予的绿色专利数的对数值)以及lgpi(企业当年申请并被授予的绿色发明专利数的对数值)来度量，bigdata代表省域大数据发展指数，controls为控制变量集。如果参数β1>0，则意味着区域大数据发展可以促进企业绿色创新。

为了进一步厘清区域大数据发展影响企业绿色创新的内在机制，本文构建了如下中介效应检验模型：

fci,j,t=β0+β2bigdataj,t+∑βkcontrolsi,j,t+εi,j,t

(2)

ginnovi,j,t=β0+β3bigdataj,t+β4fci,j,t+∑βkcontrolsi,j,t+εi,j,t

(3)

模型(2)检验了区域大数据发展对企业融资约束的缓解作用。其中，fc代表企业融资约束程度，本文用SA指数度量。如果区域大数据发展可以缓解企业融资约束，则参数β2<0。模型(3)检验了企业融资约束对绿色创新的影响。按照本文理论分析的预期，应该有β4<0。

此外，为了验证区域大数据发展对政府绿色补贴在企业绿色创新过程中作用效果的影响，本文在模型(1)的基础上，引入交互项bigdata×stgov来进行交互效应检验。具体模型如下：

ginnovi,j,t=β0+β5bigdataj,t+β6bigdata×stgovi,j,t+β7stgovi,j,t+

∑βkcontrolsi,j,t+εi,j,t

(4)

如果β6>0，说明区域大数据发展可以提高政府补贴对企业绿色创新的促进作用。

四、实证结果分析

(一)主要变量的描述性统计结果

表2汇报了主要变量的描述性统计结果。lgp和lgpi的均值分别为2.231和1.672，标准差分别为1.897和1.673，说明在样本期内不同企业之间的绿色创新水平差异比较大；同时，bigdata的均值和标准差分别为0.055和0.044，说明我国各省大数据发展水平也存在较大差异。个体之间的这种差异意味着所选样本适合做比较分析。此外，其他变量的描述性统计结果均在合理范围内。

表2 主要变量的描述性统计结果

(二)区域大数据发展对企业绿色创新影响的回归结果分析

1.基础回归

表3第(1)～(2)列给出了区域大数据发展对企业绿色创新影响的基础回归结果。结果显示，当分别以lgp和lgpi为被解释变量，以bigdata为解释变量时，bigdata的回归系数分别为0.965和1.392，且均在1%的水平上显著。这说明区域大数据发展确实可以促进企业绿色创新，与本文假设1预期一致。区域大数据的发展为消费者行为的数据化提供了硬件条件，也为企业获取大数据提供了政策条件，有利于绿色创新企业与消费者之间协同演化关系的形成。基于消费者大数据的分析，一方面，企业可以提升识别客户和筛选客户的能力，从而能快速寻找到与其研发特征相匹配的客户群，并根据这些客户群的需求特征进行绿色研发。也就是说，在绿色创新决策过程当中，大数据部分替代了企业管理者或研发人员的主观判断，在一定程度上降低了绿色创新成果与市场需求不匹配的风险。另一方面，由于企业可以随时获取关于市场需求的数据，从而可以针对需求变化对研发流程和机制进行及时调整，从而避免了绿色创新产出与市场需求脱节的问题。总之，在大数据的支持下，企业可以与消费者形成协同演化关系，从而使企业的绿色研发成果与市场需求相匹配，在一定程度上避免了创新成果无法实现价值转化的风险，进而促进了企业绿色创新。

2.稳健性检验

为了增强实证结果的说服力，本文进行了如下三个方面的稳健性检验：

(1)替换企业绿色创新水平的度量指标。在这部分，我们分别采用企业每年的绿色专利申请总数的对数值(lgp1)和绿色发明专利申请总数的对数值(lgpi1)来衡量企业的绿色创新水平，然后重新进行回归估计。表3第(3)～(4)列报告了回归结果。结果显示，bigdata的回归系数仍然显著为正，这在一定程度上说明本文基础回归结果是稳健的。

表3 区域大数据发展影响企业绿色创新的回归分析结果

(2)更换区域大数据发展水平的度量指标。我们采用衡量区域大数据发展水平的10个基础指标的算术平均值(bigdata1)来度量区域大数据发展水平。重新进行参数估计后，我们发现bigdata1的回归系数同样均在1%的水平上显著(见表3第(5)～(6)列)，这同样说明本文基础回归结果是稳健的。

(3)内生性问题的处理。对于本文回归结果的另外一个担忧是由反向因果关系所导致的内生性问题。由于大数据技术本身就是信息技术创新的产物，所以某一地区的企业技术创新很可能会促进当地大数据的发展，因此本文的基础回归结果很可能是由这一反向因果关系所导致的。为了克服这一问题，本文在已有样本的基础上，剔除了包括计算机、通信和其他电子设备制造业，电信、广播电视和卫星传输服务，互联网和相关服务在内的三个行业的观测值，重新进行回归估计，估计结果见表3第(7)～(8)列。结果显示，bigdata的回归结果仍在1%的水平上显著为正，这说明本文的实证结果并非由反向因果关系所致。

(三)基于融资约束的区域大数据发展对企业绿色创新的间接影响机制检验

针对区域大数据发展通过缓解企业融资约束来促进企业绿色创新的间接影响，表4第(1)～(3)列给出了实证检验结果。结果显示，当以企业融资约束(fc)为被解释变量，以区域大数据发展指数bigdata为解释变量时，bigdata的回归系数为-0.752，并且在5%的水平上显著，说明区域大数据发展确实可以缓解企业的融资约束问题；表4第(2)～(3)列显示，fc的回归系数显著为负，说明融资约束确实会抑制企业绿色创新，这两组回归结果说明融资约束是区域大数据发展影响企业绿色创新的中介变量。Sobel值均显著为正，也说明了这一结论。以上回归结果表明，区域大数据发展确实可以通过缓解企业所面临的融资约束问题来促进企业绿色创新，即区域大数据发展对企业绿色创新的间接影响路径是存在的。然而，在表4第(2)～(3)列中所列示的间接效应所占比例分别为6.68%和2.66%，说明在区域大数据发展对企业绿色创新的整体影响中，通过缓解企业融资约束这一间接路径的作用效果并不明显。造成这一结果的可能原因是，区域大数据发展对企业绿色创新的赋能作用主要表现在：大数据可以使企业与消费者之间形成协同演化关系，使企业的绿色创新成果与市场需求相匹配，保证了绿色创新成果能被合理定价，从而促进了绿色创新。也就是说，从资金角度看，大数据在整个绿色研发过程中的主要作用是帮助企业确定资金投向，而非解决资金来源问题。

(四)基于政府绿色补贴的区域大数据发展对企业绿色创新的间接影响机制检验

表4第(4)～(5)列汇报了区域大数据发展影响政府绿色补贴对企业绿色创新作用效果的回归结果。结果显示，交互项bigdata×stgov的回归系数均显著为正，这说明区域大数据发展强化了政府绿色补贴对企业绿色创新的正面作用，支持了本文的假设3。即在大数据发展比较好的省份，当地企业的日常经营活动可以更好地被数据化并形成海量数据，相关政府部门利用大数据技术便可以降低与目标企业的信息不对称，不仅可以在绿色补贴申请环节识别并筛选出价值创造能力强的绿色创新项目，而且在补贴发放后还可以对目标企业的研发活动进行有效监督，使补贴资金真正被用于绿色创新研发，从而促进了企业绿色创新。

然而，根据上文实证结果，从资金角度看，大数据技术对企业绿色创新的主要作用在于帮助企业确定资金投资方向，而不是解决资金来源问题。有鉴于此，我们认为，在政府绿色补贴这一影响路径中，大数据技术的作用主要在于补贴资金使用环节，而非补贴的申请环节，即大数据技术可以帮助相关政府部门对目标企业实施更为有效的监督，保证补贴资金被应用于绿色创新的研发过程中，从而提升企业绿色创新水平。

(五)进一步分析

1.区域大数据发展对不同规模企业的影响效果分析

与中小企业相比，超大规模企业占据了包括数据、资金以及人才等多种规模优势。虽然随着区域大数据的发展，大数据思维会被各类企业所接受和应用，但掌握更多数据的大企业因其在各方面所占据的规模优势会比中小企业享受到更多由科技进步所带来的红利。因此，本文预测区域大数据的发展更有利于提升大规模企业的绿色创新水平。为验证这一观点，我们将样本按企业规模大小分为三等份，然后分别进行回归分析，回归结果见表5。结果显示，bigdata的回归系数在大规模企业组中显著为正，在中等规模企业组中符号仍为正，但显著性水平明显降低，而在小规模企业组中符号发生变化，而且在统计上并不显著。这说明，区域大数据的发展对企业绿色创新的影响效果确实与企业规模相关，且主要作用于大规模企业和中等规模企业。

表4 区域大数据发展对企业绿色创新的间接影响的回归结果

表5 不同企业规模对实证结果的影响

2.区域大数据发展对不同产权性质企业的影响效果分析

与民营企业单纯地追求企业价值最大化的经营目标相比，国有企业承担着更多的社会责任，因此会得到更多的政策扶持[20]。而到目前为止，政府掌握着全社会最多的数据，国有企业会因其特殊身份优先获取这些数据来进行大数据分析，从而在一些领域占得先机。尤其是绿色创新本身就代表着一种社会责任，作为响应政府号召的先锋队，国有企业理应承担起这一责任，政府也会将一些关键数据优先释放给国有企业。因此，本文认为区域大数据发展对国有企业绿色创新的促进作用将强于民营企业。鉴于此，本文将样本按产权性质分为民营企业组和国有企业组，然后分别进行回归分析，结果见表6。结果显示，bigdata的回归系数在国有企业组中显著为正，在民营企业组中不显著。这说明，区域大数据的发展只对国有企业的绿色创新有促进作用，对民营企业的作用不显著，支持了上述论点。

表6 产权性质对实证结果的影响

五、结论与启示

本文以2014～2018年我国A股上市公司为研究对象，通过构建省域大数据发展指数，考察了区域大数据发展对我国企业绿色创新水平的影响效果和内在机制。研究发现，区域大数据发展可以有效促进企业绿色创新。从理论上讲，上述促进作用可以分解为三个方面：第一，企业通过利用大数据技术可以与消费者形成协同演化关系，使绿色创新成果与市场需求相匹配，保证了创新成果能够被合理定价，从而促进企业绿色创新；第二，从资金角度而言，金融机构利用大数据技术可以缓解与目标企业的信息不对称，在一定程度上化解了企业所面临的融资约束问题，保证了绿色研发的资金供给，从而促进了企业绿色创新；第三，区域大数据的发展还可以通过增强政府绿色补贴的政策效果来促进企业绿色创新。然而，实证结果却表明，区域大数据发展通过缓解企业融资约束对企业绿色创新的促进作用虽然在统计上显著，但实际的经济效果不明显。由此我们判断，从资金角度而言，大数据技术对企业绿色创新的促进作用主要表现在资金的使用上，而不是解决资金来源的问题上。进一步分析的结果表明，区域大数据的发展对于大型企业和中型企业的绿色创新有相对显著的促进作用，对小型企业不显著；同时，该促进作用在国有企业中显著，在民营企业中不显著，即区域大数据发展对企业绿色创新的影响作用具有情景效应。

基于本文的研究结论，本文得到如下启示：第一，鉴于区域大数据的发展确实对企业绿色创新存在赋能作用，所以对于大数据发展相对落后的地区而言，应该为大数据产业提供政策便利，加大针对大数据基础设施建设的资金投入和人力投入，为大数据赋能当地经济提供基础。同时，将大数据思维全面地植入到企业、政府部门和金融机构的决策过程中，充分发挥大数据在决策中的作用，以弥补因个人知识资源有限导致的决策偏差。第二，对于大数据发展比较好的地区而言，要进一步加强大数据思维在金融部门中的应用。基于本文的研究结论，从资金角度看，区域大数据发展对企业绿色创新的赋能作用主要表现在资金使用上，而非资金来源上。这便意味着即便在大数据发展比较好的地区，传统金融机构在金融投资或授信时并没有充分利用大数据的作用，大数据思维在传统金融机构中有待进一步普及和深化。因此，在大数据发展比较好的地区，传统金融部门应最大限度地利用当地大数据基础设施，快速构建以大数据为核心的信贷评估模型，提高风险管理水平，充分发挥大数据思维在资金投向决策中的作用，以实现大数据金融对实体经济的赋能作用。总之，对于大数据发展落后的地区，首要任务是快速推进大数据产业基础设施建设，兼顾大数据思维的推广；对于大数据发展领先的地区，重点任务是引导传统金融部门培养大数据思维，充分发挥大数据技术在金融创新过程中的作用。