制造业企业数字化转型的碳绩效:内在机制与经验证据

摘要：在碳排放总量与强度双控视角下考察中国制造业企业数字化转型的碳绩效，可以为依托数字经济发展实现“双碳”目标提供现实依据。借助数字经济与企业发展相关理论梳理制造业企业数字化转型产生碳绩效的内在机制，利用2011—2021年沪深A股制造业上市公司数据，实证检验制造业企业数字化转型对碳排放总量与强度的影响与路径。研究发现：第一，制造业企业数字化转型同时具有对碳排放总量的提升效应与对碳排放强度的抑制效应;第二，路径检验表明，制造业企业数字化转型通过生产扩张效应提升碳排放总量，通过技术进步效应降低碳排放强度;第三，异质性检验发现，国有、规模较大、高技术以及位于东部地区的制造业企业数字化转型具有更加积极的碳绩效。因此，应推进从能耗双控制度到碳排放双控制度转变，构建高效的数字化转型赋能体系以及更为绿色的制造业企业生产体系，广泛推行地区减排降碳产业政策试点工作，与制造业企业数字化转型形成合力，协同促进制造业企业碳排放总量与碳排放强度降低。

关键词：数字化转型;碳绩效;碳排放总量;碳排放强度;“双碳”目标;制造业企业

文献标识码：A 文章编号：1002-2848-2024（04）-0100-12

一、问题提出

2020年9月，习近平主席在第七十五届联合国代表大会一般性辩论上提出了中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和的“双碳”目标，这意味着在未来很长的一段时间内，碳减排都将成为中国重要战略目标之一。尽管在“双碳”目标引领下，经济发展方式变更、产业转型升级将迎来新机遇，但中国长期以来依托制造业“粗放式”发展带来的繁荣也使“双碳”目标的实现面临巨大挑战。2021年，中国制造业能源消费占比近七成，二氧化碳排放量占比为八成，但创造的产出却不足四成[1]。制造业能源消费结构偏重、技术创新不足等问题是导致其高碳排放与低产出的重要原因。由此不难看出，制造业作为中国经济发展的支柱产业与高碳排放产业，其减排效果一方面关乎中国经济能否平稳转型，一方面决定着“双碳”目标能否顺利实现[2]。

数字经济在中国的快速发展为制造业转型升级与减排降碳提供了良好契机。据《中国数字经济发展研究报告（2023年）》显示，2022年中国数字经济规模突破50万亿元，占国内生产总值（GDP）比重超过四成，这表明数字经济在中国已取得长足发展，数字经济与实体经济深度融合是大势所趋。数字经济的蓬勃发展为制造业转型升级提供了更为多元的支撑，基于价值层面，焦勇[3]提出数字经济对制造业的影响逐步从价值重塑转向价值创造，这为制造业转型提供了新思路;基于技术层面，李春发等[4]认为，数字经济带来的数字新技术通过推动产业链组织边界拓展、降低交易成本等渠道促进了制造业产业转型升级。数字经济多维协同赋能实体产业部门激励作为微观主体的制造业企业开启数字化转型之路，成为现如今中国制造业企业实现高质量发展的重要途径。不仅如此，数字经济对碳减排的促进作用同样在不同层面被充分讨论。Lu等[5]在省级层面印证了数字经济发展与二氧化碳排放具有较好的脱钩关系，数字经济发展水平的提高有效促进了碳减排;Shen等[6]在城市层面得到了同样的结论，并进一步发现碳排放权交易等政策手段在数字经济赋能碳减排中发挥了重要作用;除数字经济发展对地区碳减排的直接效应外，李治国等[7]发现数字经济发展对本地区碳减排产生影响的同时还对邻地具有空间碳减排效应。数字经济发展在区域具有的多维碳减排效应为制造业企业通过数字化转型产生良好碳绩效从而助力“双碳”目标的实现提供了依据。相关研究利用中国A股制造业上市公司数据，考察了制造业企业数字化转型具有的碳减排效应。马从文等[8]的研究证实了制造业企业数字化转型能够显著降低其碳排放强度;喻春娇等[9]针对工业企业数字化转型与碳排放强度的研究也得到了相似结论。事实上，制造业数字化转型过程中同样会产生碳排放，Zhang等[10]对这类碳排放进行测算与检验后发现，中国制造业数字化转型在行业间具有碳排放的溢出效应，这种溢出效应具有较强的行业异质性，但其变化率随着行业发展而逐渐趋同。

尽管现有文献已经探讨了数字经济发展以及制造业企业数字化转型对碳减排的影响与机制，但仍有未尽之处。第一，没有将“双碳”目标下总量控制的减排原则与制造业企业数字化转型的碳减排效应统一起来考察，表现为在测度制造业企业碳排放时仅使用碳排放强度作为代理变量，从而忽视了企业碳排放总量这一关键指标。第二，对制造业企业数字化转型的评价指标较为单一，利用上市公司年报数字化转型词频数据是当前对制造业企业数字化转型指标测度的主要做法。基于此，本文着重回答以下问题：现阶段，中国制造业企业数字化转型是否具有碳排放总量与碳排放强度协同降低的双重红利效应？ 制造业企业数字化转型通过何种渠道产生碳绩效？ 制造业企业异质性特征对其数字化转型产生的碳绩效有何差异化影响？

本文的创新点在于：第一，将制造业企业数字化转型、制造业企业碳排放总量以及制造业企业碳排放强度纳入统一分析框架，在理论分析制造业企业数字化转型的碳绩效基础上，从总量与强度两个视角实证检验了中国制造业企业数字化转型的碳绩效，为中国“双碳”目标的实现提供更为完备的经验证据;第二，区别于以往研究对企业数字化转型指标的测度方式，本文从更丰富的维度构建了制造业企业数字化转型评价体系，测算中国制造业企业数字化转型指数;第三，对制造业企业多个维度的异质性特征进行了充分探讨，有效识别了来自企业自身、企业所处行业以及企业所在地区特征对制造业企业数字化转型的碳绩效产生的异质性影响，为依托数字化转型实现制造业低碳转型与高质量发展提供科学借鉴与现实依据。

二、理论分析与研究假说

中国企业数字化转型尚处于初级阶段，《中国企业数字转型指数报告（2021）》显示，仅有16%的企业数字化转型成效显著，在这一背景下，中国制造业企业数字化转型的碳绩效可能出现总量与强度背离的特征。为此，本文试图借助数字经济与企业发展相关理论及文献厘清以下关键问题：第一，制造业企业作为排碳大户，其数字化转型对碳排放总量与碳排放强度的异质性影响;第二，针对这一异质性影响分别考察其作用渠道。

（一）制造业企业数字化转型的碳绩效：基于总量与强度双重视角的考察

尽管总量控制政策相比于强度控制政策对经济增长的抑制作用较强，但总量控制政策下的社会福利更高，减排成本更小[11]，并且更能有效推进地区高质量发展[12]，因此，建立碳排放总量与强度双控制度是落实“双碳”目标的重要制度保障。由于碳排放总量与碳排放强度既有联系又有区别，而受到制造业企业数字化转型冲击，制造业企业碳排放总量与强度的关系将表现出更为复杂的情况。

就制造业企业数字化转型对制造业企业碳排放总量与碳排放强度的影响进行分别考察。对于制造业企业碳排放强度而言，其作为相对指标表征着企业的“效率”问题，制造业企业数字化转型对碳排放强度的抑制作用是直接且显著的，其主要在技术端通过技术创新提高生产效率以及通过改善能源消费结构提升能源使用效率这两方面实现。一方面，制造业企业数字化转型通过高效整合信息，优化生产研发流程，促进了企业研发投入与创新绩效提升[13];同时，依托数字经济跨区域、行业联结特性，数字化转型促进了企业间知识、技术的交流与共享，其积极影响具有空间溢出效应[14]，创新成本的降低与创新溢出效应共同作用于企业生产效率提升。另一方面，制造业企业数字化转型对改善企业能源消费结构，提升能源使用效率大有裨益。制造业企业数字化转型推动了企业生产方式变革，表现为制造业企业管理模式与生产流程的数字化转型促使“去物质化”的生产活动增加，降低了传统能源消耗，提升了新能源的利用，从而改善了能源使用结构;同时，制造业企业数字化转型带来的资源配置方式的变革催生出更为个性化、灵活的生产模式[15]，从而降低了能源消耗，提升了能源使用效率。不难看出，制造业企业数字化转型对企业生产效率与能源使用效率的提升作用显著抑制了制造业企业碳排放强度。

而制造业企业数字化转型对其碳排放总量的影响主要通过生产端体现，毫无疑问，制造业企业碳排放总量与其产量之间有着密切正向相关关系，无论是最初投入产生的碳排放还是中间投入产生的碳排放，最后都将以最终产品的形式表现出来。由于中国经济增长速度与城镇化率提升速度长期以来都维持在较高水平，而中国经济增长又主要依靠制造业快速发展实现，这种依托制造业“粗放式”发展带来的繁荣使得经济活动效应成为制造业碳排放的最主要驱动因素[1]。进入新时代，数字经济推动下的产业结构转型升级取得了显著成效，数字经济融合赋能下的制造业企业数字化转型在技术端显著提升了企业生产效率，并降低了企业生产成本[16]，但值得注意的是制造业企业数字化转型亦能够直接赋能生产端，从而有效提高企业产出水平[17]，而这可能会消弭数字化转型在技术端带来的对碳排放强度的抑制作用，强化经济高速增长时期经济活动对制造业规模扩张、产能过剩带来的影响，从而表现为制造业企业伴随生产效率提升的扩大再生产，推升制造业企业碳排放总量。

进而，在制造业企业数字化转型冲击下，从制造业企业碳排放总量与碳排放强度关联协同视角动态考察其二者之间的相互关系。制造业企业依托数字化转型促进产能的提升速率与其生产效率的增长率决定了制造业企业碳排放总量的变化情况。若制造业企业数字化转型在技术端对企业生产效率提升带来的碳排放强度降低足以消解生产端产能增长带来的碳排放总量促增，则表现为碳排放总量与强度共同下降的双重红利效应;反之，则表现为碳排放总量攀升与碳排放强度降低并存的情境。而事实上，企业数字化投入与产出效率之间具有的倒U型非线性关系表明，制造业企业数字化转型优势需要经历“阵痛期”后尚可发挥[18]，这样一来，在制造业企业数字化转型初期，将出现制造业企业碳排放总量和强度短期背离现象，制造业企业数字化转型对其碳排放总量表现为促增作用。而从长期来看，随着制造业企业数字化水平的不断提升，制造业企业碳排放强度的降低会逐步减少碳排放总量。综上，本文提出以下研究假说：假说1：制造业企业数字化转型提升了碳排放总量的同时降低了碳排放强度。

（二）制造业企业数字化转型的生产扩张效应与技术进步效应

在中国企业数字化转型初期，制造业企业数字化转型通过生产扩张效应提升了碳排放总量，对基于总量控制原则下的制度安排造成挑战。制造业企业的数字化转型是一个复杂且综合的过程，本文着重考察其与碳排放总量密切相关的生产过程，包括制造技术、生产流程等方面，发现利用大数据、云计算、工业互联网等数字技术，并依托地区以及企业数字基础设施在企业内部进行的技术变革广泛出现在制造业企业的生产制造环节[19]。而这无疑将优化企业产品生产流程，转变企业管理模式，从而极大提升企业生产效率与生产力。另外，制造业企业数字化转型在信号传递效应与金融资源配置效应双重作用下有效缓解了企业面临的融资约束程度[9]，从而满足了制造业企业用于扩大再生产的资金要求。因此，制造业企业数字化转型对企业生产力的提升与融资约束的缓解分别在技术层面和资本层面为生产扩张效应提供保障。

制造业企业数字化转型通过技术进步效应降低了其碳排放强度。制造业企业数字化转型赋能企业技术进步主要来源于两方面：一方面是内部创新激励，另一方面是外部研发活力。对于内部创新激励来说，技术进步离不开创新，而企业数字化转型与企业创新相伴而行：创新既是企业进行数字化转型中必要的投入品又是产出品，这一特性决定数字化转型内生激励了企业进行创新行为，形成积极的创新效应[20]，从而推动企业技术进步。对于外部研发活力来说，制造业企业数字化转型通过搭建企业之间交流平台，促进了企业间知识、技术的共享与传播，并通过拓展信息可得边界降低了企业搜寻与交易成本，从而便利了制造业企业研发行为，有效激发了制造业企业创新活力，促进了企业技术进步;不仅如此，制造业企业数字化转型通过网络化平台建设增强了其向外寻求合作创新的能力[21]，促使制造业企业摆脱了基于相同行业的“同质化”创新，进而依托更为广阔的创新网络进行跨组织与行业的创新合作，从而激发其外部协同创新活力。制造业企业通过内部创新激励与外部研发活力有效促进了企业技术进步，而这为制造业企业带去了更为清洁的生产方式、合理的能源使用结构以及绿色产品生产能力，进而促进了碳排放强度的降低。综上，本文提出以下研究假说：

假说2a：制造业企业数字化转型通过生产扩张效应提升了碳排放总量。

假说2b：制造业企业数字化转型通过技术进步效应降低了碳排放强度。

三、研究设计

（一）变量选取

1.被解释变量

本文被解释变量为制造业企业的碳绩效，分为碳排放总量与碳排放强度。区别于喻春娇等[9]使用制造业企业碳排放强度作为衡量碳排放水平的代理变量，本文在碳排放总量与强度双控制度安排的考量下，从制造业企业碳排放总量与碳排放强度两个视角考察制造业企业碳绩效。制造业企业碳排放总量指标并非上市公司年报中的强制性披露内容，导致数据可得性较低。因此，本文参考沈洪涛等[22]的研究方法，分别测算制造业企业碳排放量（CE）与制造业企业碳排放强度（CEI），具体测算方式如下：

CE =ln（行业能源消耗总量× 二氧化碳折算系数× 企业营业成本/行业营业成本） （1）

其中，二氧化碳折算系数以厦门大学节能中心测算出的2.493为标准。

CEI=企业碳排放量/企业营业收入（2）

2.核心解释变量

数字经济发展方兴未艾，对企业数字化转型的测度还未形成统一的标准。吴非等[23]构建了企业数字化转型词典，利用爬虫技术提取上市公司年报中关键词，以词频为依据测度企业数字化转型程度;张永珅等[24]以上市公司财务报告无形资产中与数字化技术相关部分占无形资产总额比重测度了企业数字化转型程度。由此可见，近年来学者们对企业数字化转型的测度方式各异，但评价维度相对单一，为此本文从目标导向、技术驱动、组织赋能、环境支撑以及成果与应用五个维度构建制造业企业数字化转型评价体系。其中，目标导向代表管理层对企业数字化转型的引领作用，体现了企业家才能具有的作用;技术驱动通过对企业年报中与数字化转型相关词频统计得到企业发展数字技术的程度;组织赋能侧重度量企业数字化投入程度;环境支撑考虑到行业、地区等外部因素对企业数字化转型的重要作用;成果与应用则从产出视角衡量了企业数字化转型的现阶段产出情况。本文将五维度下的分项指标标准化处理后利用熵权法将其整合为制造业企业数字化转型指标，具体评价指标见表1。

3.控制变量

本文借鉴已有相关研究[9]，同时考虑制造业企业生产经营特性，在企业层面选取了如下控制变量：企业规模（Cs），用样本企业期末总资产的对数表示;独立董事占比（Pid），用独立董事数量占董事会总人数的比值表示;资产负债率（Lev），用企业总负债与总资产的比值表示;行业集中度（HHI），用企业主营业务收入与行业主营业务收入比值的平方累加表示;营业收入增长率（Oig），用本年企业营业收入增加值与上年营业收入总额的比值表示;总资产报酬率（Roa），用企业利润总额与利息支出之和与平均资产总额的比值表示。

（二）模型设定

为验证制造业企业数字化转型对碳排放总量与碳排放强度的影响，本文设定了如下计量模型：

CEijt =β0+β1EDTijt +β2Cijt +ΣYt +ΣStki +ΣIndj +εijt （3）

CEIijt =α0+α1EDTijt +α2Cijt +ΣYt +ΣStki +ΣIndj +εijt （4）

其中，CEijt 和CEIijt 分别表示j 行业中的i 企业在t年的碳排放总量与碳排放强度;EDTijt 为制造业企业数字化转型指数，系数β1 与α1 为待估系数;Cijt 为控制变量;ΣYt 、ΣStki 、ΣIndj 分别为年份、企业个体与行业的虚拟变量。

（三）数据来源与说明

本文以2011—2021年沪深A股制造业上市公司面板数据为研究样本，与企业碳排放有关的数据来源于《中国能源统计年鉴》和《中国工业经济统计年鉴》;企业数字化转型相关数据以及企业财务数据来源于国泰安（CSMAR）数据库、Wind数据库，部分指标来源于上市公司年度报告、上市公司财务报告。样本筛选及处理过程如下：剔除ST类、*ST类、PT类样本;剔除关键变量缺失严重的样本;采用线性插值法补齐剩余样本缺失值;为消除极端值对实证结果的影响，对所有连续变量在1%的水平上进行双边缩尾处理;将样本面板数据进行平衡性处理，最终得到了2011—2021年涵盖43个行业的1 253家上市公司13 783个企业—年度观测值。

四、实证结果分析

（一）制造业企业数字化转型的碳绩效

在控制行业—企业—时间三维固定效应的基础上检验制造业企业数字化转型对碳排放总量与强度的影响，结果见表2。第（1）（3）列未加入控制变量，第（2）（4）列加入了控制变量，加入控制变量使模型拟合优度得到提升。结果显示，制造业企业数字化转型显著提升了企业碳排放总量，抑制了企业碳排放强度。全样本下，制造业企业数字化转型整体表现为总量攀升与强度降低并存的碳绩效。尽管数字化转型对制造业企业碳排放强度的抑制作用更强，但因其引致的碳排放总量增加对实现“双碳”目标而言依然是挑战。而此前出于对经济增长与减排成本的考虑，选取碳排放强度作为减排目标在“双碳”目标提出时受到支持[25]，由此忽视了对碳排放总量的约束;加之制造业企业对利润最大化以及扩大市场份额的要求，在数字化转型初期利用其对生产效率的改善效应扩大生产，导致碳排放总量攀升。综上，假说1成立。

（二）对基准结果的稳健性检验

1.内生性处理

内生性是可能导致本文基准结果产生偏误的重要问题。一方面，制造业企业数字化转型能通过多种渠道影响碳绩效，但另一方面，碳绩效较好的制造业企业具有政策扶持偏向与环境规制弱化优势，从而影响制造业企业数字化转型进程，反向因果问题未能在基准检验中得到处理。不仅如此，尽管本文纳入较为全面的控制变量，但影响企业碳绩效的因素较多，遗漏变量问题不可避免。

为此，参照傅秋子等[26]的做法，以样本企业办公地到杭州市的距离（IV1）作为企业层面的工具变量。一方面，杭州市是中国数字经济发展重要起源地，具有良好的数字技术支撑、数字环境保障以及数字发展经验，企业距离其越近越容易引进其数字技术、借鉴其发展经验从而有利于数字化转型;另一方面，企业到杭州的距离并不会对其碳绩效产生直接影响。使用面板数据两阶段最小二乘法（2SLS）进行检验，结果见表3。通过K-P LM 和Wald F统计检验发现，工具变量不存在识别不足、过度识别和弱工具变量问题。加入工具变量后，核心解释变量符号与基准回归保持一致，但系数的绝对值明显提高，说明基准回归可能低估了制造业企业数字化转型对碳排放总量的提升作用以及对碳排放强度的抑制作用。

尽管本文在理论上分析了工具变量的外生性，但为了防止杭州市数字经济发展对本地制造业企业及邻地制造业企业碳绩效提升具有促进作用，本文进一步将工具变量与解释变量同时纳入模型中。结果显示，将工具变量纳入基准回归模型后，解释变量显著性水平与系数并未出现明显变化，同时工具变量的系数均不显著且接近0。这为本文所选工具变量具有的外生性特征提供了更为丰富的证据。

参照赵涛等[14]的做法，采用地级市1984年每万人邮局数（IV2）作为城市层面的工具变量，通过将其与上一年互联网投资额相乘形成面板数据与样本企业数据相匹配。一方面，历史上城市通信基础设施将会从技术、发展惯性、经济基础等多方面对今天城市数字基础设施产生影响，进而影响当地企业数字化转型;另一方面，历史上的地区通信数据对如今企业碳绩效难以产生直接且持久的影响。采用一致回归策略得到的结果见表3。加入城市层面工具变量后，系数符号保持一致，基准结果同样被低估;将核心解释变量与工具变量同时纳入模型后证明了工具变量的外生性特征。

2.其他稳健性检验

替换核心解释变量。参照吴非等[23]的做法，构建测度制造业企业数字化转型词典，以上市公司年报中的关键词词频为依据衡量制造业企业数字化转型（DIG）。具体地，以“人工智能技术”“区块链技术”“大数据技术”“云计算技术”“数字技术应用”为关键词进行词频统计，结果见表4第（1）（2）列。在替换核心解释变量后，制造业企业数字化转型依旧表现为碳排放量提升与碳排放强度降低并存的碳绩效。

替换被解释变量。区别于以行业能源消耗量为依据计算出的企业层面碳排放量，参照王浩等[27]对企业碳排放数据的测度方法，从企业披露的社会责任报告、可持续发展报告以及环境报告中收集企业碳排放数据。对于未直接披露碳排放的企业，使用企业化石能源消耗量、用电量等指标并利用其对应类型的排放折算因子计算，为保证样本完整性，仅计算化石燃料燃烧排放、生物质燃料燃烧排放以及原料开采逃逸排放产生的碳排放量（CE'），并以此为基础使用相同方式计算企业碳排放强度（CEI'）。结果如表4第（3）（4）列所示，在替换被解释变量后，制造业企业数字化转型的碳绩效依然与基准结果一致。

高维固定效应与交互固定效应。作为微观主体的企业发展不可避免地受到来自行业、地区等外部环境影响，为进一步排除来自更高层级的行业、地区因素对本文基准结果的混淆，通过引入高维固定效应以及交互固定效应的方式处理。具体地，以制造业企业所属城市为依据构建城市虚拟变量（ΣCityc），并将其引入基准回归模型中以控制随城市层面变化的宏观因素。在行业层面考虑更严格的固定效应，引入行业层面与时间层面虚拟变量的交互项（ΣIndj ×ΣYeart），以逐年控制随行业变化的因素。表4第（5）～（8）结果显示，在控制了更为严格的固定效应后，制造业企业数字化转型整体上表现为与基准回归结果相一致的碳绩效。值得注意的是，引入行业与时间交互固定效应后，制造业企业数字化转型对碳排放强度的系数依然为负但显著性降低，这表明行业随时间变化的因素对企业碳绩效产生了干扰。

排除竞争性假说。环境保护与减排降碳相关试点政策对试点地区制造业企业碳绩效具有的政策效应会干扰制造业企业数字化转型效能，成为影响本文基准回归结果的有力竞争性假说。为此，本文选取于2011年6月陆续开始的“节能减排财政政策综合示范城市”试点政策。由于该试点政策为分期开展，设定试点政策虚拟变量DIDct，当城市c 在第t 年进入试点名单时，则为当年及之后年份的DIDct 变量赋值1，t 年之前的DIDct 赋值0。由此得到了一组地区节能减排政策实施的城市—年份层面的观测值，进一步以样本制造业企业办公地为依据将其匹配到企业层面，考察位于非试点地区（DIDct =0）的制造业企业数字化转型对碳排放总量与碳排放强度的影响，由于涉及城市层面数据，为控制随城市变化的宏观因素，纳入城市层面固定效应。结果显示，在排除“节能减排财政政策综合示范城市”政策对试点地区制造业企业碳绩效的干扰后，制造业企业数字化转型依旧呈现出促进碳排放总量提升与碳排放强度降低并存的碳绩效特征。

（三）制造业企业数字化转型产生碳绩效的路径

在基准回归及其稳健性检验后发现，中国制造业企业数字化转型对企业碳排放总量与碳排放强度产生了相异影响，表现为总量攀升与强度降低这一独特碳绩效。为了进一步剖析出现这一现象的原因与机制，在理论分析基础上检验生产扩张效应带来的碳排放总量攀升渠道以及技术进步效应带来的碳排放强度降低渠道。

1.制造业企业数字化转型的生产扩张效应

为检验制造业企业数字化转型通过生产扩张促进碳排放提升这一渠道，从制造业企业销售收入和销售费用两个角度衡量企业生产扩张。由于企业生产经营中存在费用“黏性”行为，即企业在业务量上升时的边际费用增加量大于业务量下降时的边际费用减少量，而制造业企业的费用“黏性”行为尤为明显[28]，因此，制造业企业受到数字化转型影响产生的生产扩张不仅直接表现在由业务量上升导致的销售收入增加，还表现在制造业企业费用“黏性”行为存在而产生的销售费用上升，故而本文从销售收入（SR）与销售费用（SC）两个方面表征制造业企业生产扩张效应，使渠道效应更为完善与稳健。

表5结果显示，制造业企业数字化转型促进了销售收入以及企业销售费用的提升，而将渠道变量纳入模型后，制造业企业数字化转型分别与企业销售收入以及企业销售费用共同推动了企业碳排放总量的提升，验证了生产扩张效应在制造业企业数字化转型与碳排放总量提升间的渠道效应，假说2a得证。

2.制造业企业数字化转型的技术进步效应

企业专利数量（PN ）能够较好地从产出角度综合反映企业技术进步程度与创新能力，借鉴李磊等[21]的研究，本文采用上市公司专利累积申请数加1取对数的方式衡量样本制造业企业技术进步效应。除此之外，从投入角度利用企业研发投入额占营业收入的比重（RDs）衡量样本制造业企业技术进步效应。表6各列结果均支持在投入和产出两种角度下衡量的制造业企业技术进步效应在制造业企业数字化转型与碳排放强度降低间的渠道效应，假说2b得证。

（四）进一步分析：异质性检验

不同企业依据其自身特定情况、所处行业特征及所在地区不同产生了差异化的发展路径，进而混淆全样本下的基准回归结果。因此，为有效剥离这些因素对结果的干扰，从企业、行业以及地区异质性视角，分样本对制造业企业数字化转型的碳绩效进一步探讨。

首先，从企业自身特征出发，以产权属性和企业规模两方面进行异质性检验。一方面，国有企业具有资金优势及政策偏向，其发展路径往往与非国有企业不同，在数字化转型过程中产生的碳绩效也不同;另一方面，考虑到数字化转型是一个需要持续投入资本、劳动、技术等生产要素的过程，且对企业数字技术研发与应用能力具有较高要求[9]，因而考察不同规模的制造业企业具有的碳绩效。表7结果显示：相较于非国有制造业企业，国有制造业企业数字化转型对碳排放总量的提升效应与对碳排放强度的抑制效应均更明显，这表明国有制造业企业数字化转型进程较快，对企业扩大再生产的激励效应与对生产效率的提升效应较强。以样本制造业企业资产规模中位数为依据进行划分后发现，分样本回归下制造业企业数字化转型对碳排放强度均未产生显著影响，但对于规模较大的企业，数字化转型对碳排放总量的提升效应更小，规模较大企业受到更强的外部关注度与环境监管约束有效提升了其环境表现。

其次，企业发展不可避免地受到来自行业发展特征与规律影响，不仅如此，企业所在地区同样是影响企业发展的重要外部宏观因素。一般来说，来自高技术产业的制造业企业对数字化转型具有更高的学习、接纳能力，能够更加顺利地开展数字化转型[29]，从而产生积极碳绩效。而位于经济发达地区的制造业企业能够依托区域完善的数字基础设施较为高效地开展数字化转型，从而产生积极碳绩效。表8结果显示，与非高技术产业的制造业企业相比，高技术产业的制造业企业数字化转型对碳排放总量的提升效应更小，而对碳排放强度的抑制效应更强，从而展示出更为积极的碳绩效。而东部地区制造业企业数字化转型对碳排放总量的提升效应相较于中西部地区更低，其原因可能是东部地区制造业企业通过更高效的数字化转型提升了生产效率，进而消解了部分生产扩张效应带来的影响。

五、结论与政策建议

为有效将数字经济发展机遇应用于中国“双碳”目标实现过程中，本文以微观主体的制造业企业数字化转型为研究对象，并基于碳排放总量与强度双控制度考量，理论分析了制造业企业数字化转型将产生何种碳绩效及其渠道。在此基础上，利用2011—2021年沪深A股制造业上市公司数据，实证检验了制造业企业数字化转型对碳排放总量与碳排放强度的影响与路径，并在企业、行业、地区视角下进行了异质性探讨，主要结论有三个方面。第一，制造业企业数字化转型显著促进了企业碳排放总量的提升与碳排放强度的降低，通过工具变量法缓解内生性以及通过替换变量、更严格的控制固定效应等稳健性检验后，这一结论依然成立。第二，路径检验发现，制造业企业数字化转型通过生产扩张效应促进了碳排放总量的提升;通过技术进步效应推动了碳排放强度的降低。第三，企业层面的异质性分析发现，国有制造业企业以及规模较大制造业企业数字化转型具有更加积极的碳绩效;行业与地区层面的异质性检验发现，来自高技术产业和东部地区的制造业企业数字化转型产生了更为积极的碳绩效。基于以上研究结论并结合中国经济发展现状，本文提出如下政策建议：

第一，推进从能耗双控制度到碳排放双控制度转变，健全碳排放量化管理体系。步入“双碳”周期后，中国面临着更为严峻且紧迫的碳约束，碳排放双控制度的推行刻不容缓。近年来，能耗双控制度的推行有效降低了中国能耗总量与强度，这为碳排放总量与碳排放强度双控制度的建立健全奠定了良好制度基础、提供了现实依据。为此，环境主管部门应转变管理思路，重视对碳排放总量的约束，健全对碳排放的量化管理体系，从而摆脱碳排放强度降低陷阱;同时，加强政府相关部门间协作，明确部门主体责任、管控对象，建立部门间协同管控体系，进而优化政府碳排放监管逻辑。

第二，持续推进制造业企业数字化转型进程，依靠政策引导助力制造业企业平稳渡过数字化转型“阵痛期”。推动中国制造业企业数字化转型是利用数字经济赋能制造强国建设的重要路径，然而转型初期面对转型成本压力，制造业企业对扩大再生产具有迫切要求，导致制造业企业碳排放总量攀升与强度降低短期背离。为此，政府应采取创新激励政策引导企业依靠数字化转型提升技术水平，增强创新能力;采取绿色激励政策推动企业优化能源消费结构，提升能源使用效率，从而发挥数字化转型对技术侧与能源侧的积极效应，通过进一步降低碳排放强度的方式抑制碳排放总量攀升。

第三，针对制造业企业异质性特征精准施策，构建更为高效的数字化转型赋能体系以及更为绿色的制造业企业生产体系。制造业企业数字化转型的碳绩效在企业自身、所处行业以及所在地区异质性的共同作用下形成了不同的演化路径，为此，在推动制造业企业转型升级的政策制定上应充分考虑政策的差异性与针对性，在政策推行中切忌“一刀切”;同时，基于制造业高质量发展这一目标，将赋能制造业企业数字化转型作为重要政策发力点，将提升制造业企业碳绩效作为实现“双碳”目标的重要政策落脚点。

第四，广泛推行地区减排降碳产业政策试点工作，与制造业企业数字化转型形成合力，协同促进制造业企业碳排放总量与碳排放强度降低。政府部门应充分借鉴政策经验、探索实施多样化减排降碳政策。对于试点较为充分的政策，应着力论证其推广的可行性;对于试点初期的政策，应充分总结试点经验、逐步加大试点力度，抓住制造业企业数字化转型发展的最佳窗口期。除此之外，还要面向数字经济发展前沿与减排降碳政策前端，着力探索一批具有创新性的地区减排降碳试点政策，并在政策试点实施过程中促进其与制造业企业数字化转型协同发力，从而有效提升制造业企业碳绩效。

参考文献：

[1] 付华，李国平，朱婷.中国制造业行业碳排放：行业差异与驱动因素分解[J].改革，2021（5）：38-52.

[2] 邵帅，张曦，赵兴荣.中国制造业碳排放的经验分解与达峰路径：广义迪氏指数分解和动态情景分析[J].中国工业经济，2017（3）：44-63.

[3] 焦勇.数字经济赋能制造业转型：从价值重塑到价值创造[J].经济学家，2020（6）：87-94.

[4] 李春发，李冬冬，周驰.数字经济驱动制造业转型升级的作用机理：基于产业链视角的分析[J].商业研究，2020（2）：73-82.

[5] LU Y， CHEN X P. Digital economy， new-type urbanization， and carbon emissions： evidence from China[J]. Environmental Progress & Sustainable Energy，2022，42（3）： e14045.

[6] SHEN Y， YANG Z H， ZHANG X W. Impact of digital technology on carbon emissions： evidence from Chinese cities[J]. Frontiers in Ecology and Evolution，2023，11：1166376.

[7] 李治国，王杰.经济集聚背景下数字经济发展如何影响空间碳排放？ [J].西安交通大学学报（社会科学版），2022（5）：87-97.

[8] 马从文，杨洁.企业数字化转型的碳减排效应研究：来自制造业上市公司的经验数据[J].南京财经大学学报，2023（2）：76-85.

[9] 喻春娇，唐威.工业企业数字化转型能否促进碳减排：基于中国A股上市工业企业的证据[J].宏观经济研究，2023（7）：97-110.

[10]ZHANG W， ZHANG T， WANG S H，et al. CO2 emission spillover effects in the digital transformation of China’s manufacturing industry and its inter-industry differences[J]. Energy Reports，2023，10： 520-534.

[11]张同斌，刘琳.中国碳减排政策效应的模拟分析与对比研究：兼论如何平衡经济增长与碳强度下降的双重目标[J].中国环境科学，2017（9）：3591-3600.

[12]牛苗苗，谭显春，郭建新，等.碳总量控制政策对中国经济高质量发展的影响：基于中国省际面板数据的实证研究[EB/OL].（2022-07-22）[2024-06-17].https：//doi.org/10.16381/j.cnki.issn1003-207x.2022.0598.

[13]张国胜，杜鹏飞，陈明明.数字赋能与企业技术创新：来自中国制造业的经验证据[J].当代经济科学，2021（6）：65-76.

[14]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展：来自中国城市的经验证据[J].管理世界，2020（10）：65-76.

[15]PRADHAN R P， ARVIN M B， NAIR M， et al. Sustainable economic growth in the European Union： the role of ICT， venture capital， and innovation[J]. Review of Financial Economics，2020，38（1）： 34-62.

[16]WANG D， SHAO X F， SONG Y， et al. The effect of digital transformation on manufacturing enterprise performance[].Amfiteatru Economic，2023，25（63）： 593-608.

[17]何雅兴，李丹，王松.中间投入结构调整的产出效应：基于内向化和数字化的双重视角[J].数量经济技术经济研究，2023（8）：154-177.

[18]刘淑春，闫津臣，张思雪，等.企业管理数字化变革能提升投入产出效率吗[J].管理世界，2021（5）：170-190.

[19]孙德升，刘峰，陈志.中国制造业转型升级与新微笑曲线理论[J].科技进步与对策，2017（15）：49-54.

[20]ZHANG Z Y， JIN J， LI S J， et al. Digital transformation of incumbent firms from the perspective of portfolios of innovation[J]. Technology in Society，2022 ，72： 102149.

[21]李磊，刘常青，韩民春.信息化建设能够提升企业创新能力吗：来自“两化融合试验区”的证据[J].经济学（季刊），2022（3）：1079-1100.

[22]沈洪涛，黄楠.碳排放权交易机制能提高企业价值吗[J].财贸经济，2019（1）：144-161.

[23]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（7）：130-144.

[24]张永珅，李小波，邢铭强.企业数字化转型与审计定价[J].审计研究，2021（3）：62-71.

[25]张友国.碳强度与总量约束的绩效比较：基于CGE模型的分析[J].世界经济，2013（7）：138-160.

[26]傅秋子，黄益平.数字金融对农村金融需求的异质性影响：来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J].金融研究，2018（11）：68-84.

[27]王浩，刘敬哲，张丽宏.碳排放与资产定价：来自中国上市公司的证据[J].经济学报，2022（2）：28-75.

[28]刘武.企业费用“粘性”行为：基于行业差异的实证研究[J].中国工业经济，2006（12）：105-112.

[29]KOHLI R， MELVILLE N P. Digital innovation： a review and synthesis[J]. Information Systems Journal，2019，29（1）：200-223.

编辑：郑雅妮，高原

基金项目：国家社会科学基金项目“数字经济推动黄河流域城市群创新集聚的机制与路径研究”（22BJL056）。