工业机器人应用如何促进企业可持续绿色创新？

《Sustainability》：How Does Industrial Robot Application Promote Sustainable Green Innovation of Enterprises?

　　

随着数字技术的不断发展，以工业机器人（Industrial Robot, IR）为代表的智能制造技术已越来越多地融入企业生产和运营活动的各个阶段。这一趋势为企业推进绿色转型和提升可持续绿色创新（Sustainable Green Innovation, SGI）水平创造了新机遇。基于中国A股上市公司数据，研究人员实证检验了工业机器人应用（Industrial Robot Application, IRA）对企业可持续绿色创新（SGI）的影响。研究发现，工业机器人应用（IRA）显著提升了企业的可持续绿色创新（SGI）。其内在机制主要通过优化人力资本结构（Human Capital Structure, HCS）和政府专项补贴（Government-Specific Subsidies, GS）来实现。同时，工业机器人应用（IRA）表现出显著的同行溢出效应（Peer Spillover Effect, PSE），能够在同行业和同地区的企业之间产生示范效应和压力传递效应，从而促进可持续绿色创新（SGI）的协同提升。异质性分析进一步揭示，工业机器人应用（IRA）对可持续绿色创新（SGI）的促进作用在非国有企业、劳动密集型企业、高管具有环境背景的企业以及环境规制更严格地区的企业中更为显著。此外，区域环境法庭的设立能够强化工业机器人应用（IRA）对企业可持续绿色创新（SGI）的积极影响。扩展分析的结果进一步表明，工业机器人应用（IRA）对可持续绿色创新（SGI）的贡献主要源于其对整体企业创新活动的“杠杆效应（Leverage Effect, LE）”，而非通过压缩其他技术创新活动产生的“挤出效应（Crowding-out Effect, CE）”。该研究不仅丰富了关于工业机器人应用（IRA）环境效应的文献，而且为企业如何利用工业机器人等智能技术实现绿色转型提供了新见解。

随着中国经济持续高速增长，环境污染和能源短缺问题日益严峻，中国在2020年联合国大会上宣布了“双碳”目标，致力于在2030年前实现碳达峰、2060年前实现碳中和。可持续绿色创新（SGI）将经济增长与环境保护相结合，是推动企业绿色转型和高质量发展的关键驱动力。然而，与传统的绿色创新不同，可持续绿色创新要求企业持续向绿色产品研发和绿色工艺改进等长期项目投入资源，但研发周期长、失败风险高、收益不确定，加上环境外部性和知识溢出效应，削弱了企业进行相关创新的积极性。因此，如何有效促进企业的可持续绿色创新成为亟待解决的重要问题。现有研究主要从内部组织资源和外部环境压力角度探讨企业绿色创新的影响因素，但较少关注时间维度上的可持续性。同时，以工业机器人（IR）为代表的智能制造技术已广泛应用于企业生产，不仅提升效率、优化资源配置，还为企业绿色转型创造了新机遇。然而，现有关于工业机器人环境效应的研究多聚焦于当期绿色生产或转型，缺乏对企业可持续绿色创新行为的直接探讨。基于此，研究人员利用中国A股上市公司2012–2023年的数据，实证检验了工业机器人应用（IRA）对企业可持续绿色创新（SGI）的影响，并揭示了其内在机制、同群效应和异质性，为理解工业机器人如何赋能绿色转型提供了新视角。该研究发表在《Sustainability》。

研究人员开展研究时，主要采用了以下关键的技术方法：数据来源方面，工业机器人数据来自国际机器人联合会（IFR），涵盖全球近百个国家和地区的17个主要行业；企业绿色专利数据来自中国研究数据服务平台（CNRDS）；其他企业财务和治理数据来自国泰安数据库（CSMAR）。样本为中国A股上市公司，时间跨度为2012–2023年。主要变量测量方面，可持续绿色创新（SGI）采用基于绿色专利产出指标的前后对比法，工业机器人应用（Robot）借鉴Bartik方法构建行业层面机器人渗透率再匹配到企业层面。实证模型包括基准回归模型、中介效应模型、工具变量法（2SLS）、Heckman两步法、倾向得分匹配（PSM）、替换因变量和回归模型（Tobit、Logit）、控制固定效应以及排除特殊样本等，以缓解内生性和样本选择偏差问题。

研究结果如下：
**4.1 基准回归结果**：通过逐步引入控制变量和固定效应，发现工业机器人应用（Robot）的系数始终显著为正，表明工业机器人应用显著提升了企业可持续绿色创新（SGI），支持了假设1。
**4.2 内生性处理与稳健性检验**：采用工具变量法（IV）中的留一法组均值作为工具变量，2SLS回归结果显示，第一阶段F统计量大于10，IV显著为正，第二阶段Robot系数仍显著为正，表明内生性问题处理后结论稳健。Heckman两步法修正了样本选择偏差，PSM匹配后回归结果一致。替换因变量（绿色发明专利申请数、绿色专利总数对数）后，结果依然显著。替换回归模型（Tobit、Logit）后，结论不变。控制区域固定效应、行业×年份和地区×年份交互固定效应后，结果稳健。排除制造业样本和直辖市样本后，结论依然成立。
**4.3 同群溢出效应检验**：以同行业其他企业SGI均值为因变量，OLS和2SLS回归均显示Robot系数显著为正，表明工业机器人应用存在行业同群效应，通过示范和压力传递促进同行业企业提升SGI。以同地区其他企业SGI均值为因变量，同样得到显著正效应，表明存在地区同群效应。
**4.4 中介效应检验**：人力资本结构机制方面，工业机器人应用通过替代效应（以平均员工薪酬Wage衡量）和创造效应（以本科及以上学历员工占比EDU和非生产人员占比NPR衡量）优化人力资本结构，进而提升SGI。Wage、EDU和NPR在回归中均显著为正，且Robot对它们的系数显著为正，表明替代效应和创造效应均发挥中介作用。政府专项补贴机制方面，Robot对政府专项补贴规模（GS和GSA）的系数显著为正，且GS和GSA对SGI的系数显著为正，表明政府专项补贴是重要中介渠道。
**4.5 异质性检验**：所有权结构分组显示，非国有企业中Robot系数显著为正，而国有企业中不显著，表明促进作用在非国有企业中更强。高管环境背景分组显示，高管具有环境背景的企业中Robot系数显著为正，无环境背景的企业中不显著。资本密集度分组显示，劳动密集型企业中Robot系数显著为正，而资本密集型企业中不显著。区域环境规制强度分组显示，环境规制强度高的地区中Robot系数显著为正，强度低的地区中不显著。环境法庭设立分组显示，在已设立环境法庭的地区，Robot系数显著为正，未设立地区不显著。
**4.6 杠杆效应与挤出效应检验**：以整体专利申请数、专利授权数、人力资本投资（员工现金支出对数）、研发投资（研发支出对数）为因变量，Robot系数均显著为正，表明工业机器人应用通过提升整体创新水平、增加人力资本和研发投入形成“杠杆效应”。以企业现金流（货币资金/总资产）为因变量，Robot系数不显著，且高分位数和低分位数企业现金流差异较小，表明工业机器人应用未产生“挤出效应”。因此，对SGI的促进作用主要源于杠杆效应。

总结讨论部分：研究结论部分翻译如下：首先，工业机器人应用显著提升了企业的可持续绿色创新。其次，机制分析表明，工业机器人应用通过优化人力资本结构和增加企业获得的政府专项补贴规模来促进可持续绿色创新。第三，同群效应分析表明，工业机器人应用表现出显著的同行溢出效应，能够在同行业和同地区的企业之间产生示范效应和竞争压力效应，鼓励其他企业加速引入工业机器人技术，同时提升可持续绿色创新和环境责任。第四，异质性分析表明，工业机器人应用对可持续绿色创新的促进作用在非国有企业、劳动密集型企业、高管具有环境背景的企业、劳动密集型企业以及环境规制更严格地区的企业中更为显著。此外，区域环境法庭的设立能够强化工业机器人应用对企业可持续绿色创新的积极影响。第五，工业机器人应用对企业可持续绿色创新的促进作用主要源于“杠杆效应”，即通过提升整体创新水平以及增加人力资本投资和研发投资，而非对现有非绿色创新活动的“挤出效应”。基于实证结果，文章提出了若干建议，包括政府应加速工业机器人技术推广、发挥同群效应、强化环境规制，以及企业应加速部署工业机器人技术并优化人力资本配置等。