《Systems》：Data Elements as a Systemic Enabler of Corporate Green Innovation: A Complex Adaptive System Perspective on China’s Public Data Openness Reform
编辑推荐：
可持续发展转型使企业面临以下信息悖论：绿色创新的监管压力日益增强，但开展创新所需的知识分散在各机构、行业和管辖区之间，这些部门之间很少互通信息。本文将数据视为一种战略性生产要素，探究公共数据开放（即系统性地发布政府持有的数据集）是否以及如何重塑企业开展绿色创新
可持续发展转型使企业面临以下信息悖论：绿色创新的监管压力日益增强，但开展创新所需的知识分散在各机构、行业和管辖区之间，这些部门之间很少互通信息。本文将数据视为一种战略性生产要素，探究公共数据开放（即系统性地发布政府持有的数据集）是否以及如何重塑企业开展绿色创新的条件。研究人员将绿色创新生态系统建模为一个复杂适应系统（CAS），在该系统中，异质性的有限理性主体与一个由数据中介的选择环境共同演化。在此框架内，公共数据开放（PDO）并非边缘性投入，而是对适应度景观（fitness landscape）的一次外生冲击，该冲击通过三个耦合渠道——供需匹配、政府干预的重新校准以及绿色信贷的放大——进行传播。正式的推导将每个渠道与一个可检验的命题联系起来，并基于中国城市级开放数据平台的分阶段推广，构建了一个多期双重差分法（DIDs）设计来识别因果效应，同时结合Callaway-Sant'Anna估计量和双重/去偏机器学习（DDML）方法来应对近期的计量经济学批判。证据支持了每个命题，并揭示了以下与吸收能力异质性一致的独特异质性特征：在那些主体和生态系统最能将数据转化为知识的地方，该政策的影响最为显著。将公共数据开放（PDO）重新定义为一种系统性赋能者，这阐明了为何统一的政策推广会产生不均等的收益，并促使设计一种与接收企业和地区的吸收能力相匹配的分层式政策框架。
**研究背景、问题与目的**
在可持续发展转型的宏观背景下，企业面临着日益增强的绿色创新监管压力。然而，开展绿色创新所需的知识广泛分散于不同的政府机构、行业领域和行政管辖区之间，这些部门之间信息互通不畅，形成了阻碍创新的信息悖论。此前的研究多将数据视为一种静态的生产投入要素，其边际产出为正但受限于企业的吸收能力，而信息经济学和数字经济学的视角则分别关注数据在缓解信贷约束和降低搜寻验证成本方面的作用。这些视角均将企业视为孤立的行动者，未能充分考虑企业与其所处生态系统之间的动态交互关系。因此，本研究的核心问题在于：作为系统性发布政府持有数据集机制的公共数据开放（Public Data Openness, PDO），是否以及如何通过重塑企业、政府、金融机构和市场间的互动规则，从根本上改变企业进行绿色创新的条件？该研究旨在超越“政策-产出”的线性逻辑，从复杂适应系统（Complex Adaptive System, CAS）的理论视角，解释为何同一项数据开放改革会在不同企业和地区间产生不均等的绿色创新响应。
**研究所用主要技术方法**
本研究主要采用了以下关键技术方法：第一，构建了一个基于复杂适应系统（CAS）的理论框架，将绿色创新生态系统形式化为一个由异质性有限理性主体构成的耦合系统，并通过适应度景观（fitness landscape）和分析三个耦合渠道（供需匹配、政府干预、绿色信贷）提出可检验的命题。第二，利用2013至2022年间中国城市级开放数据平台的分阶段推广作为准自然实验，采用多期双重差分法（multi-period Difference-in-Differences, multi-period DID）识别因果效应。第三，为克服传统双向固定效应双重差分（TWFE-DID）在处理分期推广时可能产生的异质性处理效应偏误，引入了Callaway-Sant'Anna估计量（CSDID）和双重/去偏机器学习（DDML）方法进行稳健性检验。本研究的样本数据来源于2013-2022年中国A股上市企业，绿色专利数据来自中国国家知识产权局（CNIPA），财务数据来自CSMAR和WIND数据库，城市层面宏观数据来自《中国城市统计年鉴》，公共数据开放（PDO）平台采纳时间来自复旦大学等发布的公开报告。
**主要研究结果**
**4.1. 描述性统计**
研究对主要变量进行了描述性统计，结果显示绿色专利对数均值约为6.49，标准差为1.79，约三分之一的企业-年度观测值经历过公共数据开放（PDO），各中介变量呈现必要的离散分布，为机制分析提供了基础。
**4.2. 基线双重差分（Baseline DID）**
通过估计基线DID模型，本研究发现公共数据开放（Open）的系数为0.2379，在1%水平上显著。这意味着，在控制企业和年份固定效应及其他变量后，与未开放数据的城市相比，已开放数据城市的企业绿色专利申请量大约高出27%，有力支持了主效应命题（Proposition 1）和假设H1。
**4.3. 按专利类型分解**
为验证公共数据开放（PDO）是否推动了实质性创新，研究将因变量分解为绿色发明专利和绿色实用新型专利。结果显示，公共数据开放（PDO）对绿色发明专利（实质性创新）的系数为0.3906（1%水平显著），而对实用新型专利（策略性创新）和授权专利的系数不显著。这符合复杂适应系统（CAS）预测：信息集的扩大促使企业从模仿性策略转向更具知识密集型的创新配置。
**4.4. 识别检验**
研究进行了事件时间平行趋势检验，显示处理前系数在零附近波动，未能拒绝平行趋势假设（p=0.978），处理后效应单调上升。随机化推断安慰剂检验（300次重复）显示，实际估计系数落在安慰剂分布尾部，排除了虚假趋势解释。此外，使用Rambachan-Roth敏感度分析表明，在允许合理的预处理趋势偏离程度下，后处理估计仍显著区别于零。
**4.5. 异质性稳健估计量与机器学习**
为应对传统DID的计量经济学批判，研究采用了Callaway-Sant'Anna（CSDID）估计量和双重/去偏机器学习（DDML）。结果显示，CSDID的ATT估计量约为0.57，是TWFE-DID基线估计的两倍，印证了负权重污染问题。DDML估计结果同样为正且显著（0.1080至0.1288）。多种方法的三角验证表明，公共数据开放（PDO）对绿色创新的正向因果效应是稳健的。
**4.6. 常规稳健性检验**
研究进行了一系列常规稳健性检验，包括添加额外控制变量、排除混淆政策、排除特殊年份（2020-2022年疫情期）和排除直辖市等操作，关键系数Open均保持正且显著。同时，将二元处理变量替换为累积开放年限的连续变量，结果仍显示显著的正向效应。此外，采用替代性绿色创新指标（如绿色发明专利授权数）也进一步证实了结论的稳健性。
**5.1. 三个耦合机制**
为检验三个理论渠道，研究进行了两阶段中介分析。结果显示：
- **供需匹配（Supply-demand mismatch）**：公共数据开放（PDO）显著降低了供需错配指数（系数-0.0439，p<0.05），而错配指数的降低又显著促进了绿色创新（系数-0.0199，p<0.05），支持假设H2。
- **政府干预（Government intervention）**：公共数据开放（PDO）显著降低了以财政支出占GDP比重衡量的政府干预强度（系数-0.0163，p<0.01），符合过度干预情境下的预测。但在第二阶段，干预强度的系数为负但不显著（-0.7226，p>0.1），假设H3得到部分支持，可能与测量噪声和企业层面传导路径未被完全捕捉有关。
- **绿色信贷（Green credit）**：公共数据开放（PDO）显著提升了城市层面的绿色信贷比率（系数0.0048，p<0.01），而绿色信贷比率的提升又显著促进了企业绿色创新（系数0.3856，p<0.01），支持假设H4，且该渠道在传导强度上最强。当三个渠道同时纳入模型时，它们联合显著，表明其作为相互咬合而非互斥的机制共同运作。
**5.2. 按生态位异质性分析**
研究检验了模型关于异质性的预测，发现公共数据开放（PDO）的正向效应在不同特征样本中均存在，但幅度差异巨大。具体而言，当企业管理层具有环保背景、所在地区金融发展水平较低、或所在城市更早/更高质量地实施了数据开放时，公共数据开放（PDO）的促进效应更为显著。这些模式与吸收能力异质性和数据作为信用替代品的理论预期高度一致。
**讨论与结论**
论文的讨论部分总结了其四大理论贡献：首先，将复杂适应系统（CAS）和创新生态系统理论引入数据要素文献，建立了理论框架；其次，在方法论上通过联合使用CSDID和DDML等工具，解决了现有开放数据实证研究中的关键偏误问题；第三，在实质上分解出三个因果作用渠道；第四，在实践上将公共数据开放（PDO）从同质性的公共产品重新定义为一种系统性赋能者。研究结论部分指出，本研究通过复杂适应系统（CAS）的视角重新审视了公共数据开放（PDO）下的企业绿色创新，利用2013-2022年中国分阶段推广的城市开放数据平台，采用多期DID设计并结合CSDID与DDML识别了因果效应。实证证据汇聚成一个一致的理论图景：公共数据开放（PDO）使企业绿色创新活动提升约四分之一，效应集中在实质性发明专利；所有三个耦合渠道均按模型预测的方向运作；异质性分析确认，同一外生冲击对不同吸收能力、管理认知和生态位企业产生了显著不同的适应度增益。这些结果将公共数据开放（PDO）从一种同质性的公共产品重新定位为一种系统性赋能者，其边际回报随接收企业和地区的吸收能力而扩展，政策含义在于，统一的国家推广将继续产生不均等的回报，而分层式设计（将数据基础设施与对企业吸收能力的投资相结合）更有可能获取潜在的福利增益。
