《Systems》：How Does Digital–Physical Technological Integration Drive Corporate Green Innovation? The Role of Knowledge Integration Capability
编辑推荐：
摘要翻译：随着数字技术与物理技术之间交互的日益增强，理解其对绿色创新的影响变得愈发重要。本研究利用2008年至2024年中国A股上市公司的面板数据，考察了数字-物理技术整合（DPTI）与绿色创新数量及质量之间的关系，并考虑了潜在的内生性问题。实证证据表明，数字
摘要翻译：随着数字技术与物理技术之间交互的日益增强，理解其对绿色创新的影响变得愈发重要。本研究利用2008年至2024年中国A股上市公司的面板数据，考察了数字-物理技术整合（DPTI）与绿色创新数量及质量之间的关系，并考虑了潜在的内生性问题。实证证据表明，数字-物理技术整合程度较高的企业往往产生更多的绿色创新产出，并获得更高的绿色创新质量。进一步分析显示，数字-物理技术整合与知识深度、知识广度、获得一般性政府支持以及环境信息披露质量呈正相关，为所提出的知识、资源和信息解释提供了证据支持。异质性分析揭示，这种关系在数字产品制造和数字技术应用领域更为显著，并且在规模较大、成熟度较高、融资约束较小的企业中更为突出。在区域层面，数字基础设施较先进、知识产权保护较强、营商环境较优的地区，这种关系更为强烈。本研究推进了当前对数字化与绿色创新之间关系的理解，并为设计跨企业和区域的差异化创新政策提供了启示。
论文解读文章：
**一、研究背景与问题**
在全球气候变化挑战日益严峻和环境规制要求不断提高的背景下，绿色低碳发展已成为各国可持续发展的战略重点。企业作为这一转型的关键主体，需在保持竞争优势的同时改善环境绩效，绿色创新（GI）成为实现可持续发展的重要路径。然而，绿色创新具有知识溢出和正环境外部性特征，企业难以完全占有创新收益，导致其持续投入绿色技术研发的动力不足。现有文献已从外部环境规制、政府补贴、绿色金融、市场竞争以及内部组织规模、治理结构、融资条件和管理者特质等角度广泛考察了绿色创新的驱动因素。然而，随着数字技术与物理技术交互的不断增强，这种技术层面的融合正在重塑企业绿色创新的技术基础。尽管数字化和数字转型的相关研究表明数字技术能够促进企业创新，但现有研究主要关注企业如何部署数字技术来改进既有创新活动，较少从系统层面考察数字-物理技术整合（DPTI）这一具体技术过程对绿色创新数量和质量的影响。同时，现有关于DPTI影响绿色创新机制的探讨较为碎片化，缺乏将内部知识基础和外部资源获取、信息透明度相整合的分析框架。因此，本研究基于知识基础观（KBV）和动态能力理论，旨在系统考察DPTI对企业绿色创新数量和质量的影响，并解析其内部和外部传导机制。
**二、研究设计与技术方法**
研究人员利用2008年至2024年中国A股上市公司的面板数据，专利记录来源于中国国家知识产权局（CNIPA），企业层面信息来自中国研究数据服务平台（CNRDS）和中国股票市场与会计研究（CSMAR）数据库，宏观指标来自国家统计局和中国统计年鉴。样本筛选后共获得11,178个企业-年度观测值。主要技术方法包括：（1）基于专利引用数据构建DPTI指标（TechConv），识别核心数字经济领域数字技术专利，并判断非数字领域专利是否引用了数字技术专利，加总至企业年度层面取对数；（2）采用双向固定效应模型（企业固定效应和年份固定效应）估计基线回归；（3）为处理内生性问题，采用工具变量（IV）两阶段最小二乘（2SLS）方法，使用同城市同年度其他企业DPTI均值（CityTC）及滞后一期TechConv与注册地至杭州地理距离的交互项作为工具变量；（4）采用Heckman两步法控制样本选择偏差；（5）通过Bootstrap方法（1000次重复）检验中介效应；（6）进行多种稳健性检验，包括替换自变量、调整引用窗口、滞后变量、排除特定行业、替换因变量等。
**三、主要研究结果**
**（一）基线回归结果**
研究发现，DPTI对企业绿色创新数量（Green1）和质量（Green2）均具有显著正向影响，系数在1%水平上显著。具体而言，DPTI水平每增加1%，绿色创新数量增加0.147%，绿色创新质量提升0.374%。值得注意的是，DPTI对创新质量的促进效应大于对数量的影响，表明数字-物理技术整合更有利于实现实质性技术突破，提升专利技术价值，而非单纯扩大专利规模。
**（二）内生性与稳健性检验**
工具变量估计中，第一阶段工具变量与DPTI显著正相关，Kleibergen-Paap LM统计量拒绝识别不足，Wald F统计量67.356高于Stock-Yogo 10%临界值，Hansen J检验的p值分别为0.773和0.286，支持工具变量有效性。第二阶段TechConv系数在1%水平上仍显著为正。Heckman两步法中，逆米尔斯比率（IMR）显著为负，表明存在非随机选择；控制IMR后，TechConv系数增大（Green1为0.177，Green2为0.467），说明基线模型可能低估了DPTI的积极作用。各项稳健性检验（替换自变量FusiTech、调整引用窗口为三年、滞后一期、剔除2023-2024年观测、改用授权专利度量、剔除电信和信息技术行业）均支持基线结论的稳健性。
**（三）机制分析**
**知识整合能力机制**：DPTI显著增强知识深度（β=0.813, p<0.01）和知识广度（β=0.148, p<0.01）。加入知识深度后，TechConv对Green1和Green2的系数分别降至0.064和0.217；加入知识广度后，系数分别降至0.024和0.149。Bootstrap检验的95%置信区间均不包含零，支持知识深度和知识广度作为中介渠道。
**政府补贴机制**：DPTI显著提高企业获得的政府补贴（β=0.038, p<0.01），加入补贴变量后，TechConv系数降至Green1为0.140、Green2为0.347，Bootstrap检验显著，支持部分中介效应。
**环境信息披露质量机制**：DPTI显著改善环境信息披露质量（Eidq）（β=0.027, p<0.01），加入Eidq后，TechConv系数降至Green1为0.146、Green2为0.346，Bootstrap检验显著，验证了该中介路径。
**（四）异质性分析**
**技术类型异质性**：将核心数字经济产业分为四类（数字产品制造、数字产品服务、数字技术应用、数字要素驱动）。数字产品制造（Conv1）和数字技术应用（Conv3）的整合系数在Green1和Green2回归中均在1%水平显著为正，表明与制造导向和应用导向的数字技术整合对绿色创新作用最强。数字产品服务（Conv2）仅对Green1显著（β=0.083, p<0.05），对Green2不显著。数字要素驱动（Conv4）系数为正但不显著。
**企业特征异质性**：规模较大企业（TechConv×Scale系数Green1为0.066, Green2为0.161，均p<0.01）和成熟期企业（TechConv×Life cycle系数Green1为0.104, Green2为0.179，均显著）的促进效应更强；融资约束（WW指数）与TechConv的交互项系数显著为负（Green1为-0.467, Green2为-1.131），表明融资约束削弱了DPTI的积极作用。
**外部环境异质性**：数字基础设施（TechConv×DIct系数Green1为0.162, p<0.05；Green2为0.283, p<0.01）、知识产权保护（TechConv×Ipp系数Green1为0.235, p<0.01；Green2为0.219, p<0.05）和营商环境（TechConv×Envir系数Green1为0.024, p<0.01；Green2为0.021, p<0.01）均显著正向调节DPTI与绿色创新的关系。
**四、结论与意义**
研究结论表明，DPTI与企业绿色创新数量和质量的提升显著相关，这一关系通过知识深度、知识广度、政府补贴获取和环境信息披露质量等内外部渠道实现，且效应在不同技术类型、企业特征和区域环境下存在显著差异。理论意义在于：将数字化与绿色创新研究从技术采用拓展至数字-物理技术整合的视角；整合内部知识整合能力和外部资源信息条件，提供系统解释框架；明确边界条件，揭示DPTI收益的情境依赖性。政策启示包括：政府应通过财政支持、创新平台和产学研合作促进DPTI在绿色研发生产中的应用，重点关注数字产品制造和数字技术应用领域；针对不同规模、不同融资约束的企业提供差异化支持；完善区域数字基础设施、强化知识产权保护、优化营商环境。研究局限性包括样本仅限于A股上市公司，专利指标可能无法完全捕捉过程型和制度型绿色创新，机制变量有待扩展，因果关系识别仍需借助准自然实验等更强设计。该研究发表于《Systems》期刊，为系统科学视角下的技术创新与绿色转型提供了理论与实证贡献。
