引言

“双碳”目标提出以后，钢铁行业面临的约束条件已经发生了明显变化。过去较长一段时间内，企业更关注产能扩张、成本控制和市场份额，而在绿色发展要求持续强化的背景下，污染治理、节能降耗、工艺升级和低碳技术应用逐步成为企业经营决策中不可回避的内容。钢铁生产本身具有高投入、高能耗、高排放的特点，生产流程长、能源结构偏重、污染物排放种类多，决定了这一行业既是工业体系中的重要基础部门，也是绿色转型推进中的重点领域。围绕钢铁企业绿色转型开展研究，不只是讨论环保治理投入是否增加，更需要进一步观察企业在资源投入、经营产出与环境负担之间是否形成了更为协调的运行状态。

现有关于绿色转型的研究，较多从区域、行业或资源型城市层面展开，企业层面的研究虽然不断增加，但仍存在两个比较明显的特点。一类研究更侧重指标体系构建与综合评价，能够描述企业绿色转型的总体表现，却较少继续追问这些表现是如何形成的；另一类研究则更多聚焦单一维度，例如环境绩效、绿色创新或财务绩效，对企业绿色转型的综合状态把握相对有限。对于钢铁企业而言，绿色转型并不是单一环节的改善，而是资本投入、技术研发、生产组织、污染治理和经营回报相互交织的调整过程。如果缺少一套同时考虑投入、期望产出和非期望产出的分析框架，就难以较为完整地识别企业绿色转型的实际进展，也不利于区分效率提升来自哪些环节、约束又主要落在哪些方面。

将ABC钢铁公司作为研究对象，主要有三方面原因。其一，ABC钢铁公司长期处于我国钢铁行业的重要位置，经营规模大、业务链条完整，绿色转型涉及的环保治理、设备改造、技术研发和产品升级等内容较为集中，具有较强的案例代表性。其二，公司较早持续披露年度报告和可持续发展相关信息，公开资料相对完整，既能够为案例背景分析提供依据，也能够为后续效率测算和实证检验提供较为连续的数据支持。其三，ABC钢铁公司的绿色转型并非停留在概念层面，而是已经落实到环保设施建设、节能减排改造、绿色技术投入和生产体系优化等具体实践之中，因而更适合从企业层面观察钢铁行业绿色转型在现实经营中的展开方式。样本数据的整理也表明，本文能够在钢铁上市公司范围内构建企业面板样本，并结合财务数据、专利数据以及污染排放信息开展进一步分析，这为以ABC钢铁公司为核心的案例研究提供了较好的数据基础。

基于此，本文不从宏观层面泛泛讨论钢铁行业绿色发展，而是聚焦ABC钢铁公司，尝试回答两个更具体的问题：一是企业在绿色转型持续推进过程中，其综合绩效应当如何加以评价；二是在评价结果背后，影响企业绿色转型绩效的关键因素和主要约束分别是什么。

文献回顾

企业绿色转型的内涵及驱动机制

企业绿色转型并不等同于单纯增加环保投入，也不是在原有生产模式之外附加若干减排措施。Jansson将其概括为企业由高能耗、高污染生产方式向资源节约型、环境友好型方式转变的过程，重点落在生产方式的调整。Kc进一步指出，这一过程并非只服务于环境目标，而是要求企业在经营决策中同时处理经济绩效与环境约束的关系。顺着这一思路，陈玉红强调，绿色转型的关键在于内部资源重新配置和效率提升，而不只是压缩排放或收缩产能。这样来看，企业绿色转型更接近一种贯穿技术、管理与战略层面的系统性调整。

既有研究也表明，绿色转型的推进并不是线性的。Crespi认为，技术进步、制度环境和市场需求会共同作用于企业转型过程，因此不同企业的转型路径和结果往往存在明显差异。于连超同样指出，工业企业绿色转型不仅体现为工艺改进，还表现为绿色理念逐步进入企业战略和组织运行之中。这意味着，企业绿色转型不能只从某一项治理措施出发理解，而应放在持续调整的发展过程中考察。

围绕“为何转型”，文献多从外部压力与内部能力两个层面展开解释。Porter和van der Linde提出，适当的环境规制可能倒逼企业创新，并由此带来环境绩效与经济绩效的改善。Hart则从自然资源基础观出发，强调企业只有将环境约束转化为能力构建的一部分，绿色转型才可能形成持续竞争优势。李大元等的研究进一步说明，舆论压力与环境监管也会推动企业绿色创新。综合来看，企业绿色转型既受到规制和监督的外部推动，也依赖企业自身将压力转化为技术改进和效率提升的能力。

绿色转型绩效的评价思路与测度方法

早期研究讨论企业绿色转型成效时，往往还是沿着传统绩效分析的思路展开，环保投入、排放治理更多被视为影响利润和成本的附加因素。随着研究深入，这种处理方式已显得不够。刘友金、彭志龙提出，绿色转型绩效应同时反映经济效益、资源利用效率与环境影响。王俊秀、周业安也指出，企业是否创造经济价值，与其污染控制和资源节约效果，应放在同一评价视角下考察。陈诗一、沈坤荣将绿色技术创新纳入分析后，绩效评价的观察范围又向长期延伸，企业当期财务结果已难以完整代表转型成效。

方法选择随之发生变化。多指标综合评价能够呈现企业绿色表现的相对排序，但对投入冗余、产出不足和污染约束的识别仍然有限。席娇将投入、期望产出与非期望产出纳入同一框架，强调绿色转型绩效的核心不在于单项指标改善，而在于企业能否以更低环境代价实现既定产出。Färe等为非期望产出的处理提供了理论基础，Tone提出的SBM模型则进一步把松弛变量直接纳入效率测度，更适合识别效率损失的具体来源。对钢铁企业而言，生产过程伴随资本投入、技术投入与污染排放同步发生，这类方法与行业特征更为贴近。何枫等在钢铁企业绿色技术效率研究中的应用，也说明非期望产出SBM模型已经具备较强的行业适配性。

研究设计

样本选择与数据来源

本文选取我国钢铁行业上市公司作为研究样本，依据中国证监会行业分类，对黑色金属冶炼和压延加工业企业进行整理。在样本筛选时，主要考虑企业持续经营情况、污染物排放信息披露完整性以及相关指标的可得性，剔除异常样本后，形成覆盖11家钢铁上市公司、2015-2024年的企业面板数据。ABC钢铁公司作为重点观察对象，纳入统一样本框架中，与其他样本企业一并开展比较分析。

数据来源按指标类别分别整理。财务数据和经营指标主要来自CSMAR数据库，专利申请数据主要来自CNRDS数据库，其余数据则依据上市公司年度报告及相关公开披露材料进行手工整理。为保证不同来源数据可以相互衔接，本文对企业名称、年份口径和指标单位作了统一处理；对个别缺失值，在不改变变量含义的前提下进行插补，以保持样本口径的一致性和可比性。

指标体系构建

钢铁企业绿色转型绩效并不能用单一财务指标加以概括。企业在生产过程中既投入资本、劳动和研发资源，也形成营业收入、技术成果等期望产出，同时伴随污染物排放。因此，本文在指标体系构建时，采用投入—产出视角，将资源投入、经营产出与环境负担纳入同一框架，尽量反映企业在资源配置、价值创造和污染控制之间的综合表现。

投入指标选取固定资产、员工人数和研发经费，分别对应企业在生产设备、劳动力配置和技术开发方面的资源投入；期望产出指标选取营业收入和专利申请数量，用来刻画企业在经营层面和创新层面的产出水平；非期望产出指标选取化学需氧量、二氧化硫和颗粒物排放量，以反映企业在废水、废气及粉尘控制方面承受的环境约束。上述指标均围绕钢铁企业绿色转型中的关键环节展开，既保留了企业经营活动的基本面，也将污染排放这一约束因素直接纳入评价体系，为后续效率测算提供统一基础。

一级指标	二级指标	指标属性
投入	固定资产	投入指标
投入	员工人数	投入指标
投入	研发经费	投入指标
产出	营业收入	期望产出
产出	专利产出	期望产出
产出	化学需氧量（COD）	非期望产出
产出	二氧化硫（SO₂）	非期望产出
产出	颗粒物	非期望产出

绿色转型效率测算模型

钢铁企业绿色转型绩效评价同时涉及资源投入、经营产出与污染排放，若仅依据单一财务指标或传统效率测度方法进行判断，较难准确反映企业在环境约束下的实际效率水平。尤其是在污染物排放作为生产伴随结果存在的情况下，若将其排除在评价框架之外，容易高估企业绿色转型成效。

基于此，本文采用包含非期望产出的SBM模型对样本企业绿色转型效率进行测算。与传统DEA模型相比，该模型不以投入或产出的同比例变动为前提，而是将松弛变量直接纳入效率测度过程，能够更具体地识别效率损失来自投入冗余、期望产出不足还是污染排放偏高。对于钢铁企业而言，这一处理方式更贴近生产实际，也有助于在统一框架下比较不同企业及不同年份的绿色转型效率差异。

变量说明与模型设定

在完成效率测算后，本文进一步考察环保投入与绿色转型效率之间的关系。被解释变量为企业绿色转型效率，采用前文测算得到的效率值，用以反映企业在既定投入条件下实现经营产出与环境治理目标的综合表现。参考余菲菲等（2024）的研究，核心解释变量为环保投资。依据上市公司年度报告披露信息，对“在建工程”明细中与节能减排、污染治理直接相关的项目进行筛选和加总，再以总资产进行标准化，借此衡量企业环保投入的相对规模。

为减少其他因素干扰，本文同时纳入企业规模和资本结构作为控制变量。企业规模以总资产的自然对数表示，资本结构以资产负债率表示。模型设定上，考虑不同企业在技术基础、治理能力和经营条件上存在相对稳定的个体差异，同时各年份也会受到宏观环境和行业政策的共同影响，本文采用双向固定效应模型进行检验，在控制企业效应和年份效应的基础上识别环保投资的影响。

变量类型	变量名称	变量符号	变量定义
被解释变量	绿色转型效率	GreenEff	SBM模型测算得到的企业绿色转型效率值
核心解释变量	环保投资	EnvInv	在建工程明细中与节能减排、污染治理直接相关的项目总额除以总资产
控制变量	企业规模	Size	总资产的自然对数
控制变量	资本结构	Lev	资产负债率
扩展控制变量	研发投入强度	RDInt	研发投入强度，用于稳健性检验时控制技术投入因素

ABC钢铁公司绿色转型绩效评价结果分析

钢铁企业绿色转型效率测算结果

SBM测算结果表明，样本期内钢铁企业绿色转型效率的行业年均值为0.6280，距离效率前沿仍有一定空间。这说明钢铁企业在资源投入、经营产出与污染控制之间尚未形成普遍稳定的高效匹配，绿色转型已不再只是是否推进的问题，更体现为转型质量和配置效率的差异。企业之间的分化也较明显，部分样本企业的年均效率已接近效率前沿，另一些企业则长期处于较低水平，行业内部并未形成同步改善的格局。

年度均值的变化呈现出先降后升的波动态势。前期行业平均效率处于相对较低水平，中间年份一度回落，随后逐步抬升，到样本期末已经明显高于起点。这种变化说明，钢铁行业绿色转型并非沿着单一方向匀速推进，而是在不同年份受到经营环境、技术改造节奏和治理能力差异的共同影响。随着部分企业在节能减排和工艺升级方面持续推进，行业平均效率开始向上修复，但低效率企业仍然拉低了整体水平。后文还需要进一步结合企业间比较，识别ABC钢铁公司在这一行业分化格局中的相对位置。

基于行业视角的ABC钢铁公司绿色转型效率

将ABC钢铁公司置于行业样本中考察，可以更清楚地看到其绿色转型效率所处的位置。样本期内，ABC钢铁公司年均效率为0.8331，在11家样本企业中排第4位，明显高于行业年均水平0.6280，整体处于行业前列。这样的结果说明，公司在资源投入、经营产出与污染控制之间已经形成了相对较好的协调状态，但距离效率前沿并非始终没有差距。

样本企业名称	年均效率	排名
山东钢铁	0.9582	1
柳钢股份	0.9215	2
新钢股份	0.8369	3
ABC钢铁公司	0.8331	4
重庆钢铁	0.7658	5
南钢股份	0.6565	6
鞍钢股份	0.6515	7
马钢股份	0.6500	8
本钢板材	0.3045	9
包钢股份	0.1702	10
河钢股份	0.1594	11

按年份展开，ABC钢铁公司的效率变化比行业均值更稳定。2015年，公司效率值已达到1；2016-2018年有所回落，但仍保持在行业均值之上；2019年和2020年重新回到效率前沿；2021年、2022年出现一定波动，效率值分别为0.6075和0.7079；到2023年和2024年，又恢复到1。同期行业平均效率虽然也在样本后期逐步抬升，但整体波动幅度更大，且多数年份低于ABC钢铁公司。这表明，公司在样本期内并未表现出持续单边提升的轨迹，而是在高位运行中伴随阶段性调整。

这种比较结果对后文分析有一个直接启发：ABC钢铁公司并不属于效率偏低的样本，问题不在于整体水平落后，而在于高于行业均值的条件下，效率波动主要受哪些环节制约、改进空间又集中在哪里。后文因此不再停留于一般性的横向排序，而是继续结合松弛变量和回归结果，识别公司绿色转型效率变化背后的具体约束。

基于松弛变量的效率损失来源分析

效率值只能说明ABC钢铁公司与前沿面的距离，松弛变量则进一步揭示了这种距离主要落在哪些环节。测算结果显示，样本期内公司污染端松弛占总松弛的平均比重为63.93%，在全部约束来源中占比最高，说明效率损失更多不是出现在营业收入端，而是集中体现为污染排放控制与环境约束消化能力仍未完全匹配。分项来看，污染端又以化学需氧量减排空间最为突出，二氧化硫和颗粒物的松弛量相对较小，这意味着公司不同污染物治理环节的压力并不均衡，废水治理相关约束更值得关注。

投入端的松弛同样存在，但表现出明显的阶段性。固定资产和员工人数在部分年份存在一定冗余，研发经费松弛主要出现在样本后段，说明企业在推进绿色改造和技术投入的过程中，并非所有投入都能同步转化为效率提升。期望产出端中，营业收入不足并不突出，专利产出不足则在若干年份有所体现，这也提示公司绿色转型中的效率波动，并不主要源于经营规模收缩，而更可能与技术成果转化节奏和污染治理约束有关。若干年份效率值达到前沿面时，各项松弛变量为零，因此图中个别年份会出现明显收缩甚至断点，这属于效率测算中的正常现象。

环保投资对绿色转型效率的影响检验

在效率测算基础上，本文进一步采用双向固定效应模型，对环保投资与绿色转型效率之间的关系进行检验。回归结果显示，在控制企业固定效应和年份固定效应后，环保投资的回归系数显著为正，说明企业在污染治理、节能改造和环保工艺升级方面持续加大投入，有助于推动绿色转型效率提升。对钢铁企业而言，环保投资通常并不只是被动增加成本，而会通过设备更新、流程优化和排放结构改善，逐步转化为资源配置效率和环境治理效率的提升。

本文在模型设定阶段原本纳入了企业规模、资本结构等企业特征变量，并在稳健性检验中进一步考虑研发投入强度，以尽量降低其他因素对估计结果的干扰。之所以在基准回归结果表中最终只保留企业规模，是因为双向固定效应模型已经控制了企业层面相对稳定的个体差异以及年份共同冲击，部分企业特征变量与企业固定效应或年份固定效应存在较大重合，继续单独报告的解释意义有限。这样的处理属于双向固定效应模型中的常见现象，并不影响核心解释变量的估计结果。

回归结果显示，企业规模系数显著为负，表明规模扩张本身并不会自然带来绿色转型效率提升。对钢铁企业来说，规模扩大往往伴随更高的能源消耗和环境治理压力，如果技术改造和治理能力没有同步跟上，反而可能削弱效率表现。因此，绿色转型效率的改善并不取决于规模扩张本身，而更依赖于环保投入能否与技术升级、流程优化形成有效衔接。

变量名称	变量符号	系数	标准误	t值	p值
环保投资	EnvInv	8.0815	3.3156	2.4374	0.0173
企业规模	Size	-0.3955	0.1056	-3.7443	0.0004

稳健性检验结果分析

为检验基准回归结果是否受模型设定和样本结构影响，本文进行了两项稳健性检验：一是在基准模型中加入研发投入强度变量，二是剔除数据缺失的一家企业样本后重新估计。结果表明，在加入研发投入强度后，环保投资的回归系数为6.745393，仍在5%的统计水平上显著为正，企业规模系数依然显著为负，而研发投入强度本身未表现出显著影响。进一步调整样本结构后，环保投资的回归系数为9.15589，符号和显著性均未改变，企业规模的负向影响也保持稳定。由此看，无论是扩展控制变量，还是剔除个别样本企业，环保投资对绿色转型效率的促进作用都未发生方向性变化，基准回归结论具有较好的稳健性。

变量名称	变量符号	系数	标准误	t值	p值
环保投资	EnvInv	6.7454	2.9523	2.2848	0.0254
企业规模	Size	-0.5136	0.1027	-5.0000	0.0000
研发投入强度	RDInt	0.0575	0.0434	1.3254	0.1894

变量名称	变量符号	系数	标准误	t值	p值
环保投资	EnvInv	9.1559	3.6172	2.5312	0.0140
企业规模	Size	-0.4556	0.1284	-3.5485	0.0008

ABC钢铁公司绿色转型中的关键约束与优化方向

污染治理环节的效率约束

从松弛变量结果看，ABC钢铁公司绿色转型中的效率损失主要集中在污染治理环节，污染端松弛占总松弛的比重最高，说明企业在经营产出保持相对稳定的情况下，环境约束仍然是影响效率表现的首要来源。进一步分项观察，化学需氧量对应的减排空间相对更大，二氧化硫和颗粒物压力虽有所缓和，但并未完全退出效率约束范围。这表明公司近年来环保治理已取得一定成效，但不同污染物之间的治理进度并不一致，废水治理及相关过程控制仍有进一步优化空间。对ABC钢铁公司而言，后续提升重点不在于简单追加治理投入，而在于推动污染治理设施、生产流程和日常运行管理之间形成更稳定的协同。

资源投入与技术产出的协同问题

ABC钢铁公司并不存在明显的经营产出短板，营业收入端的松弛并不突出，真正更值得关注的是资源投入与技术产出之间并未始终保持同步。测算结果显示，固定资产、员工人数和研发经费在部分年份存在一定冗余，专利产出不足则在若干年份持续出现。这说明企业在绿色改造、设备更新和研发投入不断推进的同时，技术成果转化节奏并不稳定，部分投入尚未及时转化为可观测的创新产出和效率改善。对公司而言，问题不在于投入规模偏低，而在于投入后的转化链条仍有梳理空间，尤其需要提升研发活动与生产改造、工艺优化之间的衔接程度。

环保投资转化效率的提升空间

回归结果表明，环保投资能够促进绿色转型效率提升，这说明ABC钢铁公司持续推进污染治理和节能改造是有效的。但从效率测算和松弛变量结果看，环保投入转化为效率改善并不是自动完成的。企业虽然保持了较高效率水平，污染端仍是效率损失的主要来源，说明部分环保投入已经形成治理能力，部分投入则尚未完全转化为稳定的减排成效和资源利用改善。与此同时，企业规模变量呈显著负向影响，也提示单纯扩大投资规模或扩张生产能力，并不会自然带来绿色效率同步提升。

对ABC钢铁公司而言，后续提升空间不主要在于继续增加投入总量，而在于提高环保项目配置的针对性和运行效率。一方面，需要加强对废水、废气等重点治理环节的项目筛选和过程跟踪，减少投入分散带来的边际弱化；另一方面，也应推动环保设施运行、工艺改造和生产组织优化形成更紧密衔接，使环保投资更多转化为持续性的减排效果和效率改善。

参考文献：

1. [1]许晖,杨金东,王泽鹏.逐绿前行，绿浪迭起：制造业企业绿色动态能力的构建机制研究——基于德龙钢铁的纵向单案例研究[J].南开管理评论,2024,27(02):60-74.
2. [2]王枳骄.基于因子分析和DEA模型的装备制造业绿色转型测评及影响因素研究——以辽宁省为例[J].商展经济,2024(20):140-143.
3. [3]王瑜,单雨笑.基于熵权TOPSIS法的企业绿色转型绩效评价——以宝钢股份为例[J].商业会计,2024(18):105-108.
4. [4]谢荣辉.环境规制、引致创新与中国工业绿色生产率提升[J].产业经济研究,2017(02):38-48.