引言

在全球气候变化和资源环境约束日益加剧的背景下，绿色技术创新已成为推动经济可持续发展的重要引擎。2012年7月，在全国科技创新大会提出了创新驱动发展战略，绿色技术创新被提升为国家战略，成为实现可持续发展的重要抓手。随后，一系列重要政策文件的出台进一步推动了绿色技术创新的发展。然而，传统技术创新模式在绿色转型中面临高成本、高风险和长周期等挑战，亟需新的生产要素和创新范式加以突破。

随着信息化、数字化进程的加速，数据要素的重要性愈发突出，被视为继传统生产要素（土地、劳动力、资本和技术）之后的第五大生产要素，成为推动经济社会发展的关键驱动力之一，以其泛在性、高流动性和价值倍增效应，为绿色技术创新提供了新的驱动力。数据要素通过数字化战略和资源优化配置，显著提升了企业的创新效率和环境治理能力；同时，其市场化配置和共享机制为企业绿色技术创新提供了更广泛的应用场景和协同机会。然而，现有文献多集中于数据要素对传统技术创新的影响，对其在绿色技术创新中的影响缺乏系统性探讨。同时，如何通过优化数据资源配置以最大化绿色技术创新的效益，仍是学术界和政策制定者亟待解决的重要问题。

本文的边际贡献在于：利用2010-2022年中国A股企业的数据，在现有研究基础上，实证研究数据要素对企业绿色技术创新的作用。本研究有利于拓展绿色创新理论的研究视角，并为企业通过数据要素驱动绿色创新实践提供了重要的经验证据和管理启示。

一、文献回顾

基于新古典经济学理论，数据作为一种新型的生产要素，能将现有生产要素串联起来，通过跨区域流动与深度融合，大幅提升了资源配置效率和创新驱动能力，成为推动经济社会发展的重要驱动力。同时，数据要素所展现的强外部性、规模经济递增和乘数效应等新特征，使得数据要素具有使用价值和价值，有利于提高资源配置效率，创造新产业新模式，实现对经济发展的倍增效应，成为企业绿色创新的重要驱动力。具体而言，数据要素融入在经济活动中并反馈真实、准确的经济信息，通过提高创新要素匹配率促进绿色经济效率增长。数据要素的发展使得企业开发和使用智能化数据标准的积极性提高，数据标准的开发和推广加速了企业实施全流程升级改造的过程，进而推动产业的智能化转型。同时。数据要素的使用也间接推动了绿色新兴产业的发展，加速了绿色技术的研发与应用，引领绿色消费趋势的形成，优化能源利用效率、创新生产管理模式，突破传统增长路径依赖，形成经济增长新引擎，引领企业绿色转型发展，成为联动不同产业绿色转型的核心纽带。

科技创新在绿色发展过程中具有引领作用，而企业作为科技创新和绿色治理的主体，其绿色创新表现关乎绿色经济的发展。已有研究主要从企业内部、外部环境、技术层面等视角展开。在企业内部视角上，已有文献主要从研发投入、ESG表现等角度进行分析。在外部环境视角上，已有文献从产业聚集、产学研合作、媒体关注等角度进行分析。在技术层面上，已有文献从数字化转型、融资约束等角度进行分析。然而，仅有少数学者关注数据要素对企业绿色技术创新的影响，以及关于这一影响是否有利于经济增长的问题，如王柯丹等验证了在新质生产力的理论体系下，数据要素对企业绿色创新的赋能作用，能通过增加企业创新投入和获得政府补助的方式提升企业绿色创新质量。高明等认为数据要素流动主要通过提高企业生产效率、缓解融资约束、增强外部市场关注机制促进企业绿色创新。周雪峰等基于数据要素市场化视角的研究表明，数字化转型在促进激进型绿色创新方面的中介效应显著强于其对增量型绿色创新的影响。上述研究通过提高创新投入、缓解融资约束、优化资源配置等机制，揭示了数据要素对企业绿色技术创新的赋能作用，丰富了数据要素与绿色技术创新的理论体系。基于此，本文探究数据要素对企业绿色技术创新的影响，为企业如何利用数据要素提供一个清晰的分析框架，为企业制定有效利用数据要素促进绿色创新的决策提供针对性的建议。

二、研究假设

作为数字经济时代的核心生产要素，数据要素对于促进绿色技术创新具有重要作用。这主要体现在以下几个方面：一是从生产要素特点看，数据要素不仅扩大了企业可使用的要素资源种类，而且因数据自身的非竞争性与高流动性特点，突破了传统要素的时空约束，使用数据的边际成本基本为零。同时，通过降低企业获取绿色创新要素的成本，整合绿色技术、人才与资本等多维信息，缓解传统要素市场的信息壁垒，推动区域间资源的高效流动与优化配置，从而促进绿色人才、绿色信贷及绿色技术等关键要素的精准对接与匹配。二是从产业组织模式来看，数据要素的引入使得产业链各环节能够通过数字化平台实现信息的实时共享与交互，打破了传统产业链的线性结构，还通过数据共享机制和智能合约技术，重构了产业链上下游的协作关系，推动产业组织模式向平台化、网络化和协同化转型，依托数据共享与智能合约机制，不仅推动了绿色技术的创新与应用，还为构建绿色技术协同创新生态提供了技术支撑和制度保障。三从研发过程来看，企业依托大数据技术等实时采集、整合和分析来自多渠道的海量数据，从而更准确地把握市场需求动态、消费者偏好变化以及竞争环境趋势。利用数字孪生技术、仿真模拟以及人工智能算法，对产品设计方案进行多维度评估与优化。此外，数据要素还能够支持模块化设计和开放式创新，通过数据共享与协同设计平台，整合产业链上下游的创新资源，加速绿色产品的迭代与优化。

由此，本文提出如下假设：数据要素应用对企业绿色技术创新有促进作用。

三、研究设计

（一）数据来源

本文选取2010-2022年的中国A股上市公司为样本，数据搜集完成后，对数据进行如下筛选：剔除了当年交易状态为ST、*ST、PT的公司；剔除金融业公司；指标缺失严重、企业控制变量存在异常值的样本。上市公司数据来源于CSMAR以及Wind数据库；专利数据通过搜集和整理中国研究数据服务平台(CNRDS)、CSMAR专利数据库和国家知识产权局的专利数据而获得。

（二）模型设定

为了探究企业数据要素利用水平对绿色技术创新的影响，本文构建如下实证模型：

其中，被解释变量表示企业的绿色技术创新水平，解释变量表示企业的数据要素利用水平。表示控制变量组，同时引入行业固定效应和时间固定效应，是随机扰动项。

（三）变量选取

1. 被解释变量

绿色技术创新水平（EnvrPat）。本文借鉴等研究对被解释变量进行度量：本文采用绿色实用新型专利和绿色发明专利的申请量来衡量企业绿色技术创新水平。为了消除绿色专利申请数据的右偏分布问题，将企业绿色专利申请数加１后再取自然对数得到。

2. 解释变量

数据要素利用水平（Date）。本文从技术应用的视角，借鉴了史青春等的研究，使用吴非等构建的关键词图谱对解释变量进行度量。该图谱包含“大数据技术水平”“人工智能技术水平”“云计算技术水平”“区块链技术水平”“数字技术场景应用”这五项指标下的细分关键词。

3. 控制变量

本文参考宋德勇等、高智林等的做法，选择以下变量作为控制变量：（1）资产规模（Size），即企业资产总额的自然对数；（2）企业成长性（Growth），即本年营业收入与上一年营业收入比值减1；（3）总资产净利润率（ROA2），等于税前利润比上总资产；（4）资本密集度（CAP），等于总资产与营业收入的比值；（5）两职合一（Dual），董事长与总经理是同一个人为1，否则为0；（6）董监高是否具有海外背景（OverseaBack），现任的董监高中是否有人具有海外背景（包括曾经与现在的海外求学、海外任职）。

四、实证结果与分析

（一）基准回归结果

表1报告了基准模型(1)的回归结果。列(1)未考虑控制变量的影响，Date的系数为0.057，初步验证了数据要素对企业绿色技术创新的正向影响。列(2)考虑了控制变量和时间、行业的影响，Date的系数下降至0.022，验证了数据要素对企业绿色技术创新的促进作用。加入控制变量后，数据要素的系数均在1%的水平上显著。这说明无论是否加入控制变量，数据要素都可以显著正向促进企业绿色技术创新。至此，假设成立。原因可能是数据要素凭借其高效能和低耗损的特性，通过现代数字技术构建了绿色技术创新的新通道。这种创新机制不仅促进了绿色创新资源的优化配置和高效流转，更为多个产业领域提供了充沛的绿色创新资源储备，从而显著提升了绿色技术创新的整体水平。

	(1)	(2)
VARIABLES	EnvrPat	EnvrPat
Date	0.057***(0.006)	0.022***(0.006)
Size		0.047***(0.012)
Growth		-0.026***(0.007)
ROA2		-0.105(0.102)
CAP		-0.009***(0.003)
Dual		-0.016(0.012)
OverseaBack		-0.024**(0.011)
Constant	0.272***(0.008)	-0.682**(0.271)
Observations	29,986	29,986
R-squared	0.010	0.028
时间	NO	YES
行业	NO	YES

注：*** p<0.01，** p<0.05，* p<0.1，下同。

（二）稳健性检验

1. 剔除异常值的影响

为了消除异常值的影响，对数据进行缩尾处理，具体结果如表2中列（1）所示，数据要素的回归系数仍保持统计显著性，且方向与基准回归结果一致。

2. 替换被解释变量

为绿色技术创新的替换变量，进行稳健性检验，结果见表2列（2）。结果显示，替换被解释变量后，数据要素利用水平仍能够显著提升企业绿色技术创新水平，说明基准回归结果较为稳健。

3. 控制额外变量对研究结果的潜在干扰

本文进一步剔除了2020-2021年的样本数据。结果显示，即使在排除特殊时期的样本后，核心解释变量仍保持显著的正向影响，进一步验证了研究结果的稳健性（表2）。

	(1)	(2)	(3)
VARIABLES	EnvrPat	RatioEnvrPat	EnvrPat
Date1	0.021***(0.006)
Date		0.003**(0.001)	0.016***(0.006)
控制变量	控制	控制	控制
Constant	-0.690**(0.271)	0.047(0.049)	-0.610**(0.275)
Observations	29,986	29,986	22,970
R-squared	0.027	0.005	0.024
yearfix	YES	YES	YES
idfix	YES	YES	YES

（三）内生性检验

为克服潜在的内生性问题，本文采用工具变量法进行稳健性检验。具体而言，选取的工具变量为行业内其他企业的数据要素使用情况的均值(Div1)。表3报告了工具变量法估计结果。第一阶段回归中，工具变量的回归系数显著为正，且一阶段F值大于10，说明工具变量具有相关性，通过了弱工具变量检验。第二阶段回归中，Kleibergen-Paap rk LM统计量在1%的水平上显著，拒绝工具变量识别不足的原假设，表3第（2）列中数据要素的系数在1%置信水平上显著为正，说明在考虑了潜在的内生性问题后，数据要素依然能显著提高绿色创新技术。表明本文选取的工具变量是合理可靠的，假设仍然成立。

为有效解决模型可能存在的内生性问题，特别是数据要素利用与绿色技术创新之间潜在的双向因果关系，本文选取企业数据要素利用水平的滞后一期变量（Div2）作为工具变量。实证结果显示（见表3），工具变量通过了严格的统计检验：第（3）列中Div2的估计系数在1%水平上显著为正，且一阶段回归的F统计量大于10，有效拒绝了弱工具变量的原假设；第（4）列显示在控制内生性后，数据要素的系数仍在1%水平上显著为正。这一结果不仅验证了工具变量的有效性，更证实了数据要素对企业绿色技术创新具有稳健的促进作用，研究结论在考虑内生性偏误后依然成立。

	(1)	(2)	(3)	(4)
VARIABLES	Date	EnvrPat	Date	EnvrPat
Div1	0.181***(15.33)
Div2			0.814***(186.18)
Date		0.217***(4.62)		0.067***(10.67)
控制变量	控制	控制	控制	控制
Constant	-3.153***(-24.75)	-2.606***(-14.02)	-0.502***(-5.57)	-3.256***(-23.70)
K-P LM		238.485***		5290.664***
C-D WF		246.412		40960.14
K-P WF		235.07		34661.50
Observations	28,323	28,323	23,670	23,670
R-squared		0.131		0.179

（四）异质性检验

1. 企业所有权异质性

不同产权性质企业的研发路径可能存在一定差异。本文依据产权差异将企业分为国有企业和非国有企业，实证结果（见表4前两列）表明企业数据要素对于国有企业与非国有企业的绿色技术创新都有显著的促进作用，对于国有企业的促进作用会更明显。造成这一现象的原因在于，绿色技术创新的前期研发周期长、成本高等特征决定了企业难以借助市场调节实现绿色技术创新，而政府提供的优惠政策是解决企业面临市场困境并走出去的关键。一方面，依托雄厚的人才储备、资源优势和技术积累，国有企业能够更高效地利用数据要素驱动绿色创新质量提升；另一方面，其特殊的产权属性和战略定位决定了国有企业天然成为践行国家绿色发展战略、落实“双碳”目标的核心力量。这种双重优势使国有企业在推动经济社会绿色转型中发挥着不可替代的引领作用。相比之下，非国有企业在发展过程中通常面临更为激烈的市场竞争环境，且在获取融资支持和政策扶持方面存在较多制约。因此，虽然非国有企业对数据要素的利用也能在一定程度上促进绿色技术创新，但其效果显著弱于具有资源优势的国有企业。

2. 行业异质性

通过引入行业异质性视角，深入考察企业科技禀赋在数据要素驱动绿色创新过程中的作用。具体而言，基于企业所属行业是否为高科技行业这一关键特征构建分组样本，实证检验不同科技含量企业中数据要素的创新效应差异。表4后两列的回归结果显示显著的行业异质性效应：在高科技行业组别中，数据要素的系数在1%水平上显著为正，而在非高科技行业组别中，该系数虽然显著为正，但数值较小。可能的原因是高科技企业的技术创新推动了数据共享和交易平台的建立和发展，使得数据要素能够在更广泛的范围内流通和利用。数据的共享和交易有助于实现数据的价值最大化，同时也为绿色技术创新提供了更多的数据支持。综上，处于高新技术行业的企业，数据要素对企业绿色创新能力提升的促进作用尤为显著。

	(1)	(2)	(3)	(4)
变量	EnvrPat	EnvrPat	EnvrPat	EnvrPat
Date	0.030***(0.011)	0.016**(0.006)	0.028***(0.009)	0.017***(0.006)
控制变量	控制	控制	控制	控制
Constant	0.620(0.544)	-1.336***(0.331)	-1.308***(0.472)	-0.451(0.320)
Observations	10,325	19,074	15,822	14,164
R-squared	0.040	0.026	0.032	0.027
yearfix	YES	YES	YES	YES
idfix	YES	YES	YES	YES

五、结论和政策启示

（一）结论

本文基于已有研究成果梳理出数据要素赋能绿色技术创新的机制框架，探究企业利用数据要素对企业绿色创新活动的促进效应，并选用2010-2022年上市公司微观数据进行实证检验，主要研究结论有两个方面：首先，数据要素显著提高了企业的绿色技术创新能力。这一结论在经过替换被解释变量、删除异常值影响等稳健性检验后依然保持显著性。其次，异质性检验揭示：国有企业因制度优势与资源禀赋表现出更强的政策响应性；高科技企业则凭借技术积累与数字基础设施优势产生更突出的创新乘数效应。

（二）建议

1. 以政府为核心建立政企大数据开放平台

政府部门应发挥主体作用，整合生态环境、能源消耗、科技创新等多领域的公共数据，搭建统一的开放平台，面向企业免费开放。其次，制定相应政策法律，规范数据开放的规范与流程，明确数据的使用权限、保密要求及更新频率，确保企业能够安全、高效地获取数据。对于违规使用数据的企业，建立相应的惩戒机制，保障数据开放生态的健康发展。同时，推动企业间数据共享合作，政府出台鼓励政策，引导同行业企业或产业链上下游企业建立数据共享联盟。最后设立数据共享专项基金，对积极参与共享且成效显著的企业给予资金补贴，用于支持其进一步的数据管理与绿色研发投入，降低企业参与数据共享的成本顾虑。

2. 依托政策完善数据安全法规

立法部门加快制定针对数据要素在企业绿色研发创新应用中的安全法规，明确数据的所有权、使用权、存储安全、传输安全等关键问题。建立数据安全监管机构，定期对企业的数据安全措施进行检查评估，对不符合安全标准的企业责令限期整改，情节严重的依法予以处罚，确保数据要素在绿色研发创新过程中的安全性。同时，政府推进构建企业绿色研发创新的监测体系，运用区块链等技术对企业研发项目的立项、实施、成果转化全过程进行记录与跟踪，确保企业研发行为符合绿色环保标准，防止企业打着绿色研发的幌子骗取政策优惠或进行虚假创新。

参考文献：

1. [1] 祁怀锦,曹修琴,刘艳霞.数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角[J].改革,2020(04):50-64.
2. [2] 王晓丹,石玉堂.数据要素共享与企业韧性——来自公共数据开放的经验证据[J].当代财经,2025(08):84-98.
3. [3] 徐野,田聪,刘满凤,等.数据要素对经济增长的影响效应研究[J].统计与决策,2024,40(06):121-125.
4. [4] 蔡思航,翁翕.一个数据要素的经济学新理论框架[J].财经问题研究,2024(05):33-48.
5. [5] 郑国强,张馨元,赵新宇.数据要素市场化能否促进企业绿色创新？——基于城市数据交易平台设立的准自然实验[J].上海财经大学学报,2024,26(03):33-48.
6. [6] 孙明茜.数据要素赋能绿色低碳发展的理论逻辑与实践路径[J].西南金融,2025(02):44-55.
7. [7] 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(04):142-158.
8. [8] 吴友群,卢怀鑫,王立勇.数字化对制造业全球价值链竞争力的影响——来自中国制造业行业的经验证据[J].科技进步与对策,2022,39(07):53-63.
9. [9] 韦庄禹.数字经济发展对制造业企业资源配置效率的影响研究[J].数量经济技术经济研究,2022,39(03):66-85.
10. [10] 王建冬,童楠楠.数字经济背景下数据与其他生产要素的协同联动机制研究[J].电子政务,2020(03):22-31.
11. [11] 郭祥,陈富永.管理者短视对企业绿色创新产出的影响——盈余管理和研发投入的中介作用[J].软科学,2023,37(12):122-128.
12. [12] 孟猛猛,谈湘雨,刘思蕊,等.企业ESG表现对绿色创新的影响研究[J].技术经济,2023,42(07):13-24.
13. [13] 杨艳军,刘梦溪.绿色技术创新、产业集聚与企业融资约束——基于中国制造业上市公司的实证分析[J].湖南师范大学自然科学学报,2022,45(03):58-66.
14. [14] 郭丰,杨上广,柴泽阳.企业数字化转型促进了绿色技术创新的“增量提质”吗？——基于中国上市公司年报的文本分析[J].南方经济,2023(02):146-162.
15. [15] 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,2021,18(04):557-568.
16. [16] 宋德勇,朱文博,丁海.企业数字化能否促进绿色技术创新？——基于重污染行业上市公司的考察[J].财经研究,2022,48(04):34-48.
17. [17] 靳毓,文雯,何茵.数字化转型对企业绿色创新的影响——基于中国制造业上市公司的经验证据[J].财贸研究,2022,33(07):69-83.
18. [18] 王柯丹,刘颖,汪寿阳.数据要素与绿色创新：基于新质生产力视角[J].财经问题研究,2024(09):18-33.
19. [19] 高明,魏浩,王晓祺.数据要素流动赋能企业绿色创新[J].中国人口·资源与环境,2024,34(11):120-129.
20. [20] 周雪峰,王大英.数据要素市场化、数字化转型与企业绿色创新[J].商业研究,2024(03):32-40.
21. [21] 徐佳,崔静波.低碳城市和企业绿色技术创新[J].中国工业经济,2020(12):178-196.
22. [22] 史青春,牛悦,徐慧.企业数据要素利用水平影响投资效率机理研究——利用数据要素激活冗余资源的中介作用[J].中央财经大学学报,2023(11):105-115.
23. [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,2021,37(07):130-144+10.
24. [24] 宋德勇,朱文博,丁海.企业数字化能否促进绿色技术创新？——基于重污染行业上市公司的考察[J].财经研究,2022,48(04):34-48.
25. [25] 高智林,谭文浩.企业数字化转型会促进绿色技术创新吗?——基于文本分析方法的经验证据[J].财经论丛,2024(01):79-91.
26. [26] 孙冰,丛桂宇,田胜男.环境规制对企业绿色创新的影响机理研究——战略柔性与区域差异性的双调节作用[J].科技进步与对策,2022,39(09):94-102.