数据要素市场化、数字化转型与企业绿色创新

周雪峰 王大英

摘 要：数据要素作为数字经济时代的关键生产要素，是推动企业绿色创新发展的新引擎。本文基于2013—2021年沪深A股上市公司数据，采用双重差分模型和中介效应模型探讨数据要素市场化通过数字化转型影响企业绿色创新的内在机理。研究发现，数据要素市场化能够促进企业绿色创新，数字化转型在二者之间发挥中介效应。异质性分析显示，数字化转型的中介效应主要体现在高数字基础设施水平组和高动态能力组。进一步研究发现，底层技术在数据要素市场化与企业绿色创新之间发挥的中介效应高于实践应用；数字化转型在数据要素市场化与激进型绿色创新之间发挥的中介效应高于其在数据要素市场化与增量型绿色创新之间发挥的中介效应。

关键词：数据要素市场化；数字化转型；企业绿色创新；中介效应

中图分类号：F2755  文献标识码：A  文章编号：1001-148X（2024）03-0032-09

收稿日期：2023-11-16

作者简介：周雪峰（1982—），男，河南新乡人，教授，博士，研究方向：数字经济与企业绿色创新；王大英（1999—），女，山西运城人，硕士研究生，研究方向：数字经济与企业绿色创新。

基金项目：河南省软科学研究计划项目“数字化转型、绿色创新与企业ESG表现研究”，项目编号：242400412012；郑州航空工业管理学院科研团队支持计划专项资助，项目编号：23ZHTD0。

一、引 言

绿色创新作为绿色和创新两大发展理念的融合体，不仅是推动企业可持续发展，实现与环境和谐共生的重要途径，也是贯彻实施创新驱动发展战略的必然选择。然而，绿色创新作为转变发展方式和经济体制改革的重要路径，仍然面临着资源束缚和发展限制两方面的问题，一方面，绿色创新需要大规模与长时间的资源投入，研发过程漫长且具有很高的不确定性，这可能会造成短期利润的剧烈波动，同时还会面临资金断裂的风险；另一方面，受到国家政策和市场环境等因素的影响，为了维持现有的市场利益和竞争优势，企业通常会采用重数量的技术创新决策，导致绿色创新成果质量不高［1］。已有研究发现数字经济［2］、媒体关注［3］与高管性别［4］等均会对企业绿色创新水平产生影响。然而，数据要素作为数字经济时代的关键生产要素，尚未有学者从数据要素市场化的角度出发，探究其对企业绿色创新的影响。因此，厘清数据要素市场化对企业绿色创新的作用机理在理论和现实层面均具有重要意义。

数据要素市场化是指构建一个数据资源体系，该体系是以市场为基础的，该市场的目标是将数据要素进行动态配置，从而推动生产流程有效贯通［5］。数据要素市场化在加快新技术和新知识的扩散速度，提高知识溢出效应的同时，能够更好地为企业提供绿色创新平台，有效破除绿色发展市场融资壁垒和创新模式体制机制障碍。一方面，规模报酬递增特征表明，企业拥有的数据规模越大、种类越丰富，产生的信息和知识就越多［6］，企业从数据中获取的经济价值也将呈指数级增长，能够为绿色创新活动提供充足的资金保障。另一方面，数据要素市场化便于企业通过物联网、大数据等方式来获得顾客的消费习惯和偏好，从而准确地识别市场需求，使得企业绿色创新实现从经验到数据的转变，进而提升企业绿色创新的产出质量。此外，数据也是企业数字化转型的核心驱动要素，当先进的数字技术被应用到企业的生产系统中时，将会推动整个生产过程中的要素协同，促使绿色创新资源的整合效率得到更大的提升。

数字化转型是企业把数据要素和数字技术引入生产与经营管理中，与其他生产要素共同创造商业价值和社会价值的过程［7］。数据要素市场化能够更好发挥数据要素对传统要素的赋能作用，加速企业内部生产要素间的协同联动，提升数据价值释放能力，进而驱动企业数字化转型［8］。从技术能力整合的角度来看，数字化转型能够加快绿色创新模式的优化速度，加快各种绿色创新要素的供给方式和配置方式的变革，进而推动节能减排、清洁无害等新型技术的产生，对绿色生产的末端进行精准的排污管理，为绿色创新提供一个稳固的保障［9］。因此，本文基于数字化转型的中介视角，探讨数据要素市场化对企业绿色创新的影响路径及作用机理，为更好地实现绿色发展提供理论依据和经验借鉴。

本文的边际贡献主要体现在三个方面：（1）从数据要素市场化的视角切入，考察其对企业绿色创新的影响，并厘清数字化转型在二者间的作用机理，丰富和完善企业绿色创新的驱动因素研究；（2）根据区域特征和企业特征差异，细化考察数字基础设施水平和企业动态能力所导致的异质性影响，为政府制定大数据发展战略和企业后续开展绿色创新活动提供经验证据；（3）基于底层技术和实践应用两个维度探讨数字化转型在数据要素市场化与企业绿色创新之间的中介效应，并分别研究数据要素市场化对企业激进型绿色创新和增量型绿色创新两个方面的影响，为进一步理解数据要素市场化、数字化转型与企业绿色创新之间的作用机理与路径提供新的思路。

二、理论机理与研究假设

（一）数据要素市场化与企业绿色创新

数据要素市场化所带来的数据流动和分享，使得精细化和网络化的绿色研发专业化分工成为可能，进而通过高效率的沟通与协调建立起多元化网络关系，有效地整合绿色创新资源，并将其应用于研发中，从而促进企业绿色创新。具体通过以下三个方面：

首先，数据要素市场化能够减少投入成本，进而促进企业绿色创新。数据要素市场化的目标是建立一个市场，该市场能够进行数据交易，并且是公开透明和有统一标准的［10］，因此在进行绿色创新活动的过程中，企业的数据收集和获取成本将大幅降低，便于企业自身获取所需要的数据，企业会加大对绿色创新的投入。一方面，数据要素市场化能够为企业搭建成本较低的协作与交流平台，突破因时间、地理和经济等因素所导致的学习障碍，减少对知识信息资源搜寻与甄别的成本，有助于关键核心技术的突破；另一方面，数据要素市场化可以使企业通过大数据及时准确地获取到自身所需要的信息，并且能够实时更新生产和销售计划，从而降低企业销售成本、产能闲置成本和存货管理成本，为企业绿色创新提供更多的资金空间。

其次，数据要素市场化能够从供需两侧提高绿色研发效率，进而促进企业绿色创新。在需求侧，基于“数据+算法+算力”的积累，通过对海量数据的有效信息挖掘，可准确掌握消费者行为特征，进而有针对性开展绿色研发创新，且能够有效提高绿色研发决策的准确性。在供给侧，高质量的数据要素和深度学习、人工智能等相结合能准确预测实验结果、提高对特定元素的筛选效率；数据要素与数字孪生、仿真技术的结合能实现在虚拟空间完成对新技术性能的测试及对新产品的提前预测分析，促进企业绿色创新。

最后，数据要素市场化能够加快产业结构升级的步伐，进而促进企业绿色创新。随着数字经济的快速发展，产业结构升级中比较关键的环节是产业数字化转型。同时，数据要素市场化也在不断深入，其能够提供充足的高质量数据，加快传统产业数字化转型的速度。此外，产业数字化转型升级与企业绿色创新有着密切的联系，企业绿色创新效率随着产业升级速度的加快而提高［10］，因此，数据要素市场化将会促进产业结构的升级，从而推动企业绿色创新水平的提升。基于此，本文提出以下假设：

H1：数据要素市场化能够促进企业绿色创新。

（二）数据要素市场化与数字化转型

数据要素是数字经济的基础性资源，是“第六次技术革命”的核心要素，数据要素市场化有利于激发数据要素活力，为数字化转型提供有力支撑。具体通过以下三个方面：

首先，数据要素市场化能够提供高质量的数据要素，进而促进数字化转型。数据要素市场化能够增加数据的透明度，数据要素的价值能够得到释放，规模报酬递增特征使得企业得到的经济价值呈指数级增加，为数字化转型提供重要保障。一方面，健全的数据要素市场能够为数据需求方提供源源不断的高质量数据，使其能够以相对公平的价格获得数据，这是企业数字化转型的内生动力；另一方面，以数据交易平台为基础，构建数据要素市场，对推动数据要素的流动起到了积极的作用，使得数据要素的价值得以释放［11］，加快数字经济发展的步伐，进而促进数字化转型。

其次，数据要素市场化能够促进数据共享机制和交易机制的完善，为数字化转型提供重要机制保障。一方面，企业数字化转型是建立在数据共享之上的，并且通过数据的高效流通才能够使数据要素的价值得以释放。数据要素市场化能够打破不同区域和不同层次之间的数据垄断，解决“数据孤岛”等问题，使得数据要素能够在企业间互联，从而更大限度地发挥企业数据要素价值；另一方面，数据“可用不可见”是推进数据交易的核心，从本质上来说，这是从所有权到使用权的转变，使得数据采集能够更加方便快捷，让数据价值得到有效的提升，能够实现长久经营的一种商业模式，为企业数字化转型奠定坚实的数据要素基础。

最后，数据要素市场化能够增强企业的竞争意识和学习意愿，进而促进数字化转型。一方面，数据要素市场化增强了数据的网络效应、反馈效应和用户的锁定效应，根据达维多法则，最先实施数字化转型的企业将会在市场上占有更大的优势，数字化转型是企业打破垄断式竞争格局的必由之路。另一方面，数据要素市场化程度越高的地区，越容易进行数字技术的推广［12］。大数据的普遍应用能够促使企业采用大数据技术进行生产决策，在数字化转型的过程中充分发挥数据要素的作用［13］。基于此，本文提出以下假设：

H2：数据要素市场化能够促进数字化转型。

（三）数字化转型的中介效应分析

根据组织能力理论，战略组织活动需要外部环境资源和应对外部环境的能力。数字化转型涵盖的数字技术正在改变企业的经营方式［14］，通过自动化、业务流程的改进以及成本节约［15］来提高运营效率，使企业绿色研发资源得到有效配置，从而促进企业绿色创新。第一，数字化转型能够减少企业在信息交流方面的费用，为企业间的合作构筑沟通桥梁，使得企业资源配置效率得到大幅提高，为企业绿色创新提供不竭动力；第二，数字化转型可以借助诸如神经网络算法、机器学习等先进技术，让研发人员可以获得并运用各类隐性创新知识，使得普遍存在于企业内部的隐性知识逐步显现出来，扩大了企业绿色创新的知识基础［16］；第三，在数字化转型过程中，企业能够构建起诸如环境感知和机遇利用这样的动态能力，通过战略更新来优化已有的资源，从而在新的技术范式和绿色环保方面取得优势。

综上，数据要素逐渐与经济发展相融合，成为我国发展新动能的基石。数据要素市场化能够实现降本增效和新的价值创造，增强市场竞争力，逐步推进数字化转型进程，促进企业绿色创新。基于此，本文提出以下假设：

H3：数字化转型在数据要素市场化与企业绿色创新之间发挥中介效应。

三、研究设计

（一）样本选取与数据来源

本文使用的样本为2013—2021年沪深A股上市公司，根据以下条件对样本进行筛选：（1）剔除金融行业和房地产行业；（2）剔除数据严重缺失的样本；（3）剔除ST等T类样本企业。本文主要数据来自CSMAR数据库、中国研究数据服务平台（CNRDS）和各城市政府网站，且对所有连续型变量进行上下1%的缩尾处理，计量软件为Stata170。

（二）变量选取

1被解释变量

被解释变量是企业绿色创新（GI）。借鉴黎文靖和郑曼妮（2016）［17］的做法，以绿色专利申请数量来衡量企业绿色创新。其中，绿色专利申请数量为绿色发明专利申请数量与绿色实用新型专利申请数量之和。为了避免高偏度带来的干扰，对绿色专利申请数量加1之后取自然对数处理。

2解释变量

解释变量是数据要素市场化（Date）。借鉴刘满凤等（2022）［11］的研究，以各地已建立的数据交易平台为准自然实验，将第一个由政府主导的数据交易平台建成的年份作为地区数据要素市场化年份，并以地区虚拟变量与平台建成时间两个虚拟变量之间的交互项来度量数据要素市场化的影响效应。具体地，若某地区成立了数据交易平台，则成立的当年及之后年份均赋值为1，否则赋值为0。

3中介变量

中介变量是数字化转型（Dt）。本文利用Python对上市公司年报进行文本分析，将与数字化相关的关键词词频作为其代理变量。本文借鉴吴非等（2021）［18］的研究，将数字化转型分为底层技术和实践应用两个维度，将两类词频汇总得到总词频，并对其进行对数化处理。

4控制变量

参考刘满凤等（2022）［11］的研究，选取企业规模（Size）、企业年龄（Age）、资产负债率（Lever）、营业增长收益率（Growth）、托宾Q（TobinQ）、董事会规模（Board）、经济发展水平（Pgdp）、环境规制力度（ER）、年度效应（Year）以及行业效应（Ind）作为控制变量（Ctrl）。

本文具体的变量定义如表1所示。

（三）模型设计

本文参考Baker等（2022）［19］的研究，采用多期双重差分方法来研究数据要素市场化对企业绿色创新的影响，构建模型（1），具体如下：

GI=α0+α1Date+∑ni=2αiCtrli+ε1（1）

为进一步检验本文理论部分提出的数字化转型的中介机制，本文借鉴温忠麟和叶宝娟（2014）［20］的研究，构建如下模型进行检验：

Dt=β0+β1Date+∑ni=2βiCtrli+ε2（2）

GI=γ0+γ1Date+γ2Dt+∑ni=3γiCtrli+ε3（3）

模型（1）检验数据要素市场化对企业绿色创新的影响，若α1显著为正，则表明数据要素市场化能够促进企业绿色创新，验证假设H1。模型（2）检验数据要素市场化对数字化转型的影响，若β1显著为正，则表明数据要素市场化能够促进数字化转型，验证假设H2。若存在中介效应，模型（2）的β1与模型（3）中的γ2乘积（β1×γ2）与模型（3）中的γ1符号一致且均为正，即数字化转型在数据要素市场化与企业绿色创新之间发挥中介效应，验证假设H3。

四、实证结果分析

（一）描述性统计与组间差异检验

1描述性统计

表2是主要变量的描述性统计结果，描述性结果显示：被解释变量企业绿色创新（GI）的均值为1002，标准差为1261，中位数为0693，最小值为0，最大值为5037，说明不同企业之间的绿色创新存在较大差异，大部分企业的绿色创新水平较低；中介变量数字化转型（Dt）均值为1463，标准差为1379，中位数为1099，最小值为0，最大值为5106，表明企业的数字化转型程度之间有很大的差别，且存在相当一部分企业并未进行数字化转型；核心解释变量数据要素市场化（Date）均值为0605，标准差为0489，中值为1，最小值为0，最大值为1，说明数据要素市场化分布比较均匀。此外，年龄和规模等方面均存在差异。

2组间差异检验

以是否成立数据交易平台为标准，将成立数据交易平台的样本确定为高数据要素市场化水平组，未成立数据交易平台的样本确定为低数据要素市场化水平组，并对两组样本的中介变量和被解释变量进行组间差异检验。表3列出了组间差异检验的分析结果。可以看出，高数据要素市场化水平组中的企业绿色创新和数字化转型均显著高于低数据要素市场化水平组，为验证假设H1和假设H2提供间接证明。

（二）回归分析

从表4的回归结果可知，列（1）中Date的系数显著为正。从经济意义来看，数据要素市场化程度提高一个标准差，企业绿色创新将提高0050个标准差0050为数据要素市场化的标准差（0495）乘以数据要素市场化的回归系数（0128）再除以企业绿色创新的标准差（1263），即0050=0495×0128/1263，下同。，这得益于数据要素市场化能够提升企业预测有用知识组合的精度，更迅速地通过创新性的流程优化降低成本，进而降低企业资源消耗和资源错配，促进企业绿色创新，假设H1得到验证。列（2）中Date的系数显著为正，从经济意义来看，随着数据要素市场化程度每提高一个标准差，数字化转型将提高0046个标准差，表明数据要素市场化能够利用数据要素对资本、劳动力和技术等传统要素进行赋能，提升企业在要素使用和要素配置方面的能力，实现降本增效和新的价值创造，进而提高数字化转型，假设H2得到验证。列（2）中Date与列（3）中Dt的系数乘积为正，与列（3）中Date的系数符号方向一致，表明数字化转型在数据要素市场化与企业绿色创新之间发挥中介效应，假设H3得到验证。

中介机制是否稳定，影响到结果的判断，因此，本文采用Bootstrap法（抽样500次）继续检验中介机制，发现数据要素市场化系数为0043，且置信区间不包含0，结果再一次验证了数字化转型在数据要素市场化与企业绿色创新之间的部分中介作用。

（三）平行趋势检验

如果在数据交易平台建立之前，企业的绿色创新水平在处理组与对照组的变化趋势是一致的，即符合平行趋势的前提条件，就可以运用双重差分法进行检验。因此，本文使用Jacobson等（1993）［21］提出的事件研究法进行平行趋势检验，该方法可表示为：

GI=δ0+∑6t=-4δtDit+∑ni=2δiCtrli+ε4（4）

其中，Dit是一组虚拟变量，若企业i所在地区在第t年成立数据交易平台，则取值为1，反之取0。本文以数据交易平台成立当期为临界点，将数据交易平台成立时间分为成立前4期和成立后6期，通过观察数据交易平台成立前后各期回归系数δt是否显著来检验是否满足平行趋势前提。

由图1可知，在成立数据交易平台之前，数据要素市场化的回归系数是不显著的，表明在数据交易平台建立之前，处理组与对照组在企业绿色创新方面没有显著的系统差异，研究样本通过了平行趋势检验。

图1 平行趋势检验

（四）稳健性检验

1PSM-DID检验

为缓解由于样本选择偏差引起的内生性问题，本文使用倾向得分匹配-双重差分法（PSM-DID）进行稳健性检验。借鉴刘禹君（2023）［10］的做法，首先以控制变量作为协变量进行逐年倾向得分匹配，之后对样本进行1∶1临近匹配，得到配对成功后的样本，最后再运用DID模型和中介效应模型进行回归估计。

2考虑其他政策影响

2010年，低碳城市试点陆续开展，其具有的规模经济效应能够显著提高区域绿色发展效率，进而影响试点区域的企业绿色创新；2012年，国家智慧城市试点政策开始实施，智慧城市的建设会影响到试点区域的数字化转型程度。因此，本文参考刘禹君（2023）［10］的研究，进一步加入“低碳城市”和“国家智慧城市”政策的虚拟变量Low和Smart，以控制其他政策对估计结果的影响。

3替换被解释变量

由于绿色发明专利的科技含量高于绿色实用新型专利，为保证回归结果的可靠性，本文借鉴李平和方健（2023）［22］的研究方法，用上市公司合计的独立和联合绿色发明专利总申请量取对数来衡量企业绿色创新GI2。

4工具变量法

为了克服潜在的反向因果和遗漏变量的问题，本文借鉴刘满凤等（2022）［11］的研究，采用各省份1984年每百万人拥有的邮局数量作为数据要素市场化的工具变量，并采用两阶段最小二乘法进行重新估计。由于选取的各省份1984年每百万人拥有的邮局数量属于横截面数据，而本文样本为面板数据，因此进一步将各省份1984年每百万人拥有的邮局数量与上一年各省份互联网用户数的交互项作为面板工具变量。

总体而言，稳健性检验结果在显著性和符号方面均与基准回归结果基本一致限于篇幅，相关检验结果未作报告，留存备索。，从而进一步支持了本文提出的研究假设。

五、异质性分析

本文分别从数字基础设施水平和企业动态能力两个方面进行异质性分析：（1）借鉴刘满凤等（2022）［11］的研究，从互联网普及率和移动互联网用户数这两个层面，对数字基础设施水平进行综合衡量，即分别选取每百人互联网宽带接入用户数和每百人移动电话用户数作为基础指标，通过标准化处理和运用主成分分析法，得到数字基础设施水平指标，并以数字基础设施水平的中位数为标准，将大于或等于中位数的样本确定为高数字基础设施水平组，小于中位数的样本确定为低数字基础设施水平组；（2）借鉴张昊和刘德佳（2023）［23］的方法，用学习吸收能力、变革重构能力和协调整合能力等三个要素综合反映企业动态能力，并以动态能力的中位数为标准，将大于或等于中位数的样本确定为高动态能力组，小于中位数的样本确定为低动态能力组。

（一）数字基础设施水平

考虑到与劳动、资本、土地等传统生产要素不同，数据要素无法以独立形态存在，需要依附现代信息网络等载体才能够发挥其作用，因此，在不同数字基建投资强度和搭建密度下，数据要素市场化通过数字化转型对企业绿色创新的促进作用极有可能会呈现差异化特征。如表5所示，在高数字基础设施水平组，列（1）中Date的系数显著为正，说明数据要素市场化能够促进企业绿色创新；列（2）中Date的系数显著为正，说明数据要素市场化能够提高数字化转型；并且列（2）中Date与列（3）中Dt的系数乘积为正，与列（3）中Date的系数符号相同，说明数字化转型在数据要素市场化与企业绿色创新之间发挥中介效应。在低数字基础设施水平组，列（4）中Date的系数不显著，说明数据要素市场化难以促进企业绿色创新；列（5）中Date系数不显著，说明数据要素市场化难以促进数字化转型，在低数字基础设施水平组中数字化转型在数据要素市场化与企业绿色创新之间难以发挥中介效应。由此可见，相较于低数字基础设施水平组，在高数字基础设施水平组中数字化转型更能发挥中介效应。

（二）企业动态能力

动态能力有助于企业更新战略，协调整合内外部资源，并获得可持续竞争的优势，因此，企业动态能力的禀赋特征差异极有可能会影响数字化转型的绿色创新驱动效应。如表6所示，在高动态能力组中，列（1）中Date的系数显著为正，说明数据要素市场化能够促进企业绿色创新；列（2）中Date的系数显著为正，说明数据要素市场化能够提高数字化转型；并且列（2）中Date与列（3）中Dt的系数乘积为正，与列（3）中Date的系数符号相同，说明数字化转型在数据要素市场化与企业绿色创新之间发挥中介效应。在低动态能力组，列（4）中Date的系数显著为正，说明数据要素市场化能够促进企业绿色创新；列（5）中Date系数不显著，说明数据要素市场化难以促进数字化转型，在低动态能力组中数字化转型在数据要素市场化与企业绿色创新之间难以发挥中介效应。由此可见，相较于低动态能力组，在高动态能力组中数字化转型更能发挥中介效应。

六、进一步分析

（一）数字化转型：底层技术VS实践应用

借鉴杜明威等（2022）［24］的研究，将数字化转型划分为底层技术（DTT）和实践应用（DTA），其中，底层技术是指包含人工智能、区块链、云计算、大数据等在内的数字技术，在数字革命的背景下，这些技术是推动数字技术快速迭代与发展的关键基础，也是企业在研发设计、经营逻辑或管理模式等后端业务中数字化转型的重要表征；相应地，实践应用则是以底层技术为研发基础，这些技术将企业所处的市场环境聚集起来，为企业生产及销售等前端业务提供数字化转型支撑。

从表7回归结果可知，数据要素市场化可通过底层技术和实践应用促进企业绿色创新，其中底层技术在数据要素市场化与企业绿色创新之间发挥的中介效应占总效应的比重为2447%2447%为中介效应（0145×0216）与总效应（0128）的比值，即2447%=（0145×0216）/0128×100%，下同。，实践应用在数据要素市场化与企业绿色创新之间发挥的中介效应占总效应的比重为401%。由此可见，底层技术在数据要素市场化与企业绿色创新之间发挥的中介效应，高于实践应用。

（二）绿色创新：激进型绿色创新VS增量型绿色创新

借鉴李平和方健（2023）［22］的做法，进一步将企业绿色创新类型划分为激进型绿色创新和增量型绿色创新，采用绿色发明专利申请数衡量激进型绿色创新（GI_Ra），采用绿色实用新型专利申请数衡量增量型绿色创新（GI_In）。

回归结果如表8所示，数据要素市场化能够促进激进型绿色创新和增量型绿色创新，并且数字化转型在二者之间发挥中介效应，其中数字化转型在数据要素市场化与激进型绿色创新之间发挥的中介效应占总效应的比重为1648%，在数据要素市场化与增量型绿色创新之间发挥的中介效应占总效应的比重为738%。由此可见，数字化转型在数据要素市场化与激进型绿色创新之间发挥的中介效应，高于其在数据要素市场化与增量型绿色创新之间发挥的中介效应。

数据作为数字经济时代的衍生要素，是技术—经济范式发展水平的集中体现，且主要表现为数字化知识和信息，其本身具有创新时代属性。在数字经济快速发展的当下，以传统要素数字化为重要特征的生产活动使数据要素能够全面渗透到社会生产与生活中，快速驱动经济社会实现数字化转型。在此过程中，企业为进一步巩固自身市场竞争力并获取较为可观的绿色创新收益，更青睐于绿色创新含量更高的激进型绿色创新，相比之下，增量型绿色创新知识和资源更多来源于经验与实践，其绿色创新含量较低且难以带来附加收益。

七、结论与政策建议

新一轮科技革命和产业变革决定了企业绿色创新不仅取决于数据要素市场化引致的要素配置效率改善，同时也在很大程度上受到数字化转型的影响。本文基于2013—2021年沪深A股上市公司数据，采用多期双重差分模型和中介效应模型，从理论和实证两个方面全面考察了数据要素市场化对企业绿色创新的影响以及数字化转型在其中扮演的中介作用。研究结果表明：（1）数据要素市场化对企业绿色创新具有显著促进作用，这种促进作用在经过一系列稳健性检验之后依然成立。（2）数字化转型在数据要素市场化与企业绿色创新的关系中发挥部分中介作用，且中介效应存在显著异质性。数字化转型发挥的中介效应在高数字基础设施水平组和高动态能力组中得以体现，相反，在低数字基础设施水平组和低动态能力组中难以显现。（3）在进一步分析中，将数字化转型分为底层技术和实践应用两个维度，发现底层技术在数据要素市场化与企业绿色创新之间发挥的中介效应高于实践应用；将企业绿色创新类型划分为激进型绿色创新和增量型绿色创新，发现数字化转型在数据要素市场化与激进型绿色创新之间发挥的中介效应高于其在数据要素市场化与增量型绿色创新之间发挥的中介效应。

基于上述结论，本文提出如下政策建议：

第一，持续深化数据要素市场化改革，加速布局数据交易平台建设。加大对数据要素市场的培育力度，在各地构建大数据平台或者数据交易所，充分发挥数据要素市场对企业绿色创新发展的赋能作用，为企业绿色创新发展提供新动能。加强数据交易平台高质量的数据供给，促进数据要素的跨区域互联互通，充分发挥数据要素的价值，帮助企业实现低成本、高效率的数字化转型。各地政府应加快构建数据基础制度，对数据要素产权保护制度进行完善，对数据要素所有权、使用权和收益权的归属进行明确，通过完善数据资源监管制度，打破数据要素流通环节的障碍，确保数据交易的有序运行。

第二，不断提高数字基础设施水平，为数字经济发展奠定基础。一方面，各地区要继续推进互联网普及，完善数字基础设施，发展新基建，为企业实现数字化转型、智能升级和绿色创新提供完善的基础设施体系；另一方面，地方政府应该根据自己的实际情况和自身绿色创新资源的丰富度，确定适合经济发展的绿色转型的具体方针政策，增加企业在绿色创新方面的资金投入，从而能够有效促进企业绿色创新。

第三，积极提升企业动态能力，为数字化转型和企业绿色创新提供动力。相较于动态能力低的企业，动态能力高的企业能够获取外部环境中有用的战略信息，通过吸收资源和信息，协助管理者制订方案及计划，为企业绿色创新奠定坚实基础，因此，企业应该重视培育和构建动态能力，有效提高自己在学习和整合资源方面的能力，增强自身的核心竞争力，进一步提高资源配置效率，促进绿色创新。企业绿色创新活动风险高、成本大，对于动态能力低的企业，政府及相关部门应在政策和资金上给予更多的支持以调动企业的绿色创新积极性，并借助动态能力充分吸收市场的绿色创新资源。

参考文献：

［1］ 张国胜，杜鹏飞. 数字化转型对我国企业技术创新的影响：增量还是提质？［J］．经济管理， 2022，44（6）：82-96.

［2］ 汪晓文，陈明月，陈南旭.数字经济、绿色技术创新与产业结构升级［J］．经济问题，2023（1）：19-28.

［3］ 张玉明，邢超，张瑜. 媒体关注对重污染企业绿色技术创新的影响研究［J］．管理学报， 2021（4）：557-568.

［4］ Galbreath J. Drives of Green Innovations：The Impact of Export intensity， Women Leaders， and Absorptive Capacity［J］．Journal of Business Ethics， 2019，158（1）：47-61.

［5］ 乔晗，李卓伦，黄朝椿. 数据要素市场化建设的影响因素与提升路径——基于复杂经济系统管理视角的组态效应分析［J］．外国经济与管理， 2023，45（1）：38-54.

［6］ 徐翔，厉克奥博，田晓轩. 数据生产要素研究进展［J］．经济学动态， 2021（4）：142-158.

［7］ 王小林，杨志红. 高质量发展视角下企业数字化转型的机理［J］．求索，2022（4）：126-134.

［8］ 吕铁，李冉. 制造企业数字化转型：数据要素赋能传统要素的视角［J］．学习与探索， 2022（9）：108-117.

［9］ 肖静，曾萍. 数字化能否实现企业绿色创新的“提质增量”？——基于资源视角［J］．科学学研究， 2022：1-19.

［10］刘禹君. 数据要素市场赋能城市绿色创新发展——来自中国城市的经验证据［J］．贵州社会科学， 2023（1）：124-133.

［11］刘满凤，杨杰，陈梁. 数据要素市场建设与城市数字经济发展［J］．当代财经， 2022（1）：102-112.

［12］史丹，孙光林. 大数据发展对制造业企业全要素生产率的影响机理研究［J］．财贸经济， 2022（9）：85-100.

［13］倪克金，刘修岩. 数字化转型与企业成长：理论逻辑与中国实践［J］．经济管理， 2021（12）：79-97.

［14］Rothberg H. N.， Erickson G. S. Big Data Systems： Knowledge Transfer or Intelligence Insights？［J］．Journal of Knowledge Mnagement， 2017，21（1）：92-112.

［15］Pagani M.Digital Business Strategy and Value Creation： Framing the Dynamic Cycle of Control Points［J］．Mis Quarterly Executive， 2013，37（2）：617-632.

［16］Olden J. D.， Jackson D. A. Illuminating the “black box”：A Randomization Approach for Understanding Variable Contributions in Artificial Neural Networks［J］．Ecological modelling， 2002，（1/2）：135-150.

［17］黎文靖，郑曼妮. 实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响［J］．经济研究， 2016，51（4）：60-73.

［18］吴非，胡慧芷，林慧妍， 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］．管理世界， 2021，37（7）：130-144+10.

［19］Baker A. C.， Larcker D. F.， Wang C. C. Y. How Much Should We Trust Staggered Difference-in-differences Estimates？［J］．Journal of Financial Economics， 2022（2）：370-395.

［20］温忠麟，叶宝娟. 中介效应分析：方法和模型发展［J］．心理科学进展， 2014，22（5）：731-745.

［21］Jacobson L. S.， Lalonde R. J.， Sullivan D. G. Earnings Losses of Displaced Workers［J］．American Economic Review， 1993，83（4）：685-709.

［22］李平，方健. 环境规制、数字经济与企业绿色创新［J］．统计与决策， 2023，39（5）：158-163.

［23］张昊，刘德佳. 数字化发展对先进制造企业服务创新的影响研究——基于企业动态能力视角［J］．中国软科学， 2023（3）：150-161.

［24］杜明威，耿景珠，刘文革. 企业数字化转型与中国出口产品质量升级：来自上市公司的微观证据［J］．国际贸易问题， 2022（6）：55-72.

Marketization of Data Elements， Digital Transformation， and Green Innovation of Firms

ZHOU Xuefeng， WANG Daying

（School of Business， Zhengzhou University of Aeronautics， Zhengzhou 450046，China）

Abstract： As the core production factor in the digital economy era， data elements are a new engine for promoting firms green innovation and development. Based on the data of A-share listed firms in Shanghai and Shenzhen Stock Exchange from 2013 to 2021， this paper uses the DID model and the mediating effect model to explore how data element marketization influences firms green innovation through digital transformation. The results show that data elements marketization can promote firms green innovation， and digital transformation plays a mediating role between the two. Heterogeneous analysis shows that the mediating effect of digital transformation is mainly reflected in group with higher level of digital infrastructure and in group with higher level of dynamic capability. Further research has found that the mediating effect of underlying technologies between data element marketization and firms green innovation is higher than that of practical applications. The mediating effect of digital transformation between marketization of data elements and radical green innovation is higher than that between data elements marketization and incremental green innovation.

Key words：data elements marketization; digital transformation; green innovation; mediating effect

（责任编辑：赵春江）