引言

在全球气候治理进程加速与我国“双碳”目标纵深推进的背景下，推动经济社会发展全面绿色转型已成为国家重大战略需求。作为全球最大的碳排放国，中国面临着统筹经济增长与碳减排的双重任务。碳排放权交易市场作为一种遵循“总量管制与交易”原则的市场化手段，通过将碳排放权稀缺化、商品化，形成有效的碳价格信号，旨在以最低社会成本实现减排目标，已被确立为中国实现“双碳”目标的关键政策工具之一。自2011年启动地方试点至2021年全国统一市场正式运行，中国碳市场建设已进入深化发展的新阶段，其政策效果与作用机制亟待系统评估。

高排放企业作为碳排放的主要源头，是碳交易试点政策直接作用的对象。这类企业主要集中在电力、钢铁、水泥、化工等重点行业，面临严峻的低碳转型压力。随着数字科技与实体经济的深度融合，大数据、物联网和人工智能等数字技术的应用，为高排放企业的绿色转型提供了新的技术路径与赋能工具。在此背景下，探究碳交易试点政策能否有效引导高排放企业将碳成本压力转化为绿色创新的内生动力，以及数字化转型在其中扮演何种角色，不仅关系到政策本身的成效，更直接关系到工业部门能否实现深层次的碳排放削减。

现有研究虽已关注到碳交易政策可能对企业创新行为产生影响，但多数聚焦于宏观减排效果或单一行业分析，对政策如何通过数字化转型这一新兴路径影响企业绿色创新的微观机理探讨不足。本文旨在填补这一研究空白，将数字化转型纳入分析框架，系统考察碳交易试点政策对高排放企业绿色创新的影响及其中介机制。研究不仅有助于科学评估碳交易政策的实施效能，也为高排放企业优化“数字化与绿色化”协同创新战略、政府完善绿色创新激励体系提供了理论依据与政策启示。

文献综述

碳交易试点政策是一种以市场为导向的环境规制方式，而环境政策与企业创新之间的关系一直是学术研究的热点问题，对于该问题的研究，波特提出的环境波特假说认为严格的环境规制强度可以促进企业开展更多的创新活动以提高企业的生产率与竞争力，从而能够同时实现环境政策的环境红利和经济红利。环境波特假说的提出，吸引大量学者对此进行研究。目前国内在此相关方面的研究已经取得丰富的成果，其中一些研究发现认为适当提高我国环境规制强度能够促进企业技术进步、产业技术创新，从而验证了波特假说在中国的存在性，不过，这些文献都集中于对中国不同行业不同环境污染强度的环境规制的讨论，姚星等认为环境规制碳交易政策可以刺激高污染行业企业增加科研人员引进和科技研发以提高绿色创新产出，直接或间接地促进了企业绿色创新发展，进一步的研究逐渐丰富了关于中国激励型环境政策的相关研究。目前针对中国碳交易政策的实证研究还相对较少，这主要是由于碳排放试点的实施的时间较短。肖龙阶等认为碳交易政策指明了企业进行绿色创新会获得收益，即减排效果能够为其在碳市场带来优势，从而降低了绿色创新收益的不确定性，以此来提高企业进行绿色创新的动力。

围绕碳交易试点政策是如何影响企业绿色创新绩效这一话题，现有研究已展开深入讨论，研究的内容主要聚焦于探讨碳交易试点政策对企业绿色创新的影响路径，刘晔等借助三重差分法实证检验了中国碳交易试点政策对企业技术创新活动的作用，他研究认为通过激励企业加大R&D投入，能够提高企业创新意愿；张彩江等认为在“波特假说”的理论框架下，碳交易政策的实施导致控排企业的治理成本增加，重新评估其经营状况后，趋利性组织的企业主体有动机开展绿色创新并提高创新资源投入以改善生产工艺，缓解环境成本压力；有学者认为从传统能源向低碳经济转型的背景下，企业面临着巨大的压力，故需要进行绿色创新，田建强等则研究发现碳交易政策通过绿色技术创新影响企业绩效、价值与投资行为等财务表现来显著地促进企业绿色创新，故认为碳交易政策有望实现促进企业绿色创新与优化融资环境的双赢；裴晨艺等通过研究认为政府应该加强碳交易政策和绿色技术创新的相关宣传教育，在政府的引导下形成绿色低碳生活方式和高耗能企业的绿色创新方向；与之相对，有些国外学者对碳交易制度的创新激励效应提出了质疑，甚至认为其可能对绿色创新产生抑制，Rogge等针对对德国电力部门的案例进行分析发现，碳排放权交易制度未能有效激发绿色技术创新，表明区域性环境政策存在明显局限性，研究进一步发现，政府环境管理职能的分散化布局也是导致环境治理效率低下的重要原因；Martin等从成本收益视角切入，通过实证分析发现，当环境规制的边际合规成本超过技术创新收益时，政策执行有效性将显著降低，甚至导致规制失效，因此，研究者认为有必要在政策事件中强化对绿色技术研发与推广的支持力度，同时引导企业优化能源、资源与环境的效益管理，积极探索新技术和低成本的减排方式，逐步实现可持续发展战略。

综上所述，与既有文献相比，本文的边际贡献可归结如下：其一，探究碳交易试点政策是否以及如何通过数字化转型间接作用于企业绿色创新；在框架层面，构建涵盖宏观行业环境和微观企业特征的双重分析框架。其二，对高排放企业（如电力、钢铁、水泥、化工、有色金属等）进行深入研究，高排放企业能源消耗巨大，碳排放量高，因此，购买额外配额的边际成本和通过减排出售配额的边际收益对它们的财务状况影响最为显著，这种强烈的成本压力是驱动其改变行为（包括进行绿色创新）的核心动力。其三，大量文献的实证分析集中于2013年至2014年首批启动试点的省市（如北京、上海、广东、深圳等），本文将福建省（2016年启动）纳入研究样本，可以将观察窗口延长至政策实施中后期，构建一个更长面板数据，从而更准确地评估政策的动态效果和长期激励作用，增强研究结论在当前时点的时效性，并为全国碳市场的发展提供更具前瞻性的证据。

二、研究假设

（一）碳交易试点政策对高排放企业绿色创新的直接影响

碳交易试点政策作为一种基于市场激励的环境规制工具，其对高排放企业绿色创新行为的影响首先体现为直接驱动效应。该政策通过引入碳排放权的稀缺性与交易机制，重塑企业所面临的成本约束与资源条件。对高排放企业而言，碳配额分配与市场交易机制形成显性的碳价格信号，改变了原有生产函数中要素的相对价格。为应对由此带来的合规成本与运营风险，企业有动力调整内部资源配置策略，加大绿色研发投入，从而直接推动绿色专利申请、工艺改进和低碳产品开发等创新成果的产生。因此，本文提出以下假设H1：

H1：碳交易试点政策的实施对高排放企业绿色创新存在积极的推动作用。

（二）碳交易试点政策通过数字化转型影响高排放企业绿色创新的间接机制

面对碳成本压力，高排放企业有强烈动机通过数字化转型实现减排与发展平衡。其传导机制体现在三方面：一是碳监测核查体系倒逼企业投资物联网等数字基础设施；二是数字技术应用实现能源与工艺的实时优化，降低合规成本并释放资源用于绿色研发；三是沉淀的能源数据成为生产要素，通过精准分析降低绿色创新的试错成本与不确定性。因此，碳交易政策通过成本压力触发企业数字化转型，数字化能力又为绿色创新提供技术赋能，构成政策与创新间的能力桥梁。基于此，本文提出假设：

H2：碳交易政策通过促进数字化转型进而促进高排放企业绿色创新。

三、研究设计

（一）样本选择与数据来源

为了更精准地评估碳排放权交易试点政策对企业绿色创新的影响，本文选择了2008-2024年我国A股上市公司的专利数据和对应的经济数据，本文主要以高排放企业作为研究对象，样本的选择借鉴了刘晔等相关文献对于碳排放权交易试点政策涉及企业的选取，并结合数据的可获得性，本文最终选取了试点地区中采矿、造纸、石化、化工、建材、钢铁、有色、电力、航空这八大试点行业的高排放上市公司作为处理组，其中对应的上市公司证监会2012年分类标准，这些行业内的企业通常具有较高的能源消耗与污染物排放特征，是环境规制与绿色创新研究的重要对象。

（二）模型设定

1.基准回归模型：多期双重差分模型

中国的碳排放权交易体系自2013年起在北京、上海、广东等八个省市分批启动试点，这一渐进式的政策实施过程，为评估政策效果提供了一个良好的准自然实验场景。为科学评估政策对高排放企业绿色创新产生的直接效应，本文构建如下多期双重差分模型：

其中，下标和分别代表企业和年份。被解释变量为高排放企业在年的绿色创新水平，核心解释变量为政策虚拟变量，若高排放企业所在地在年已启动碳排放权交易试点，则取值为1，否则为0。为一组可能影响企业绿色创新的公司层面控制变量。为个体固定效应，用于控制不随时间变化的公司异质性，如企业文化、固有技术能力等；为年份固定效应，用于控制随时间变化但影响所有企业的宏观冲击；为随机扰动项，系数是本研究关注的核心估计量，它捕捉了碳排放交易试点政策对企业绿色创新的“处理效应”。

2.中介效应检验模型

为揭示碳交易政策驱动绿色创新的深层路径，本研究聚焦“数字化转型”这一关键中介机制。政策将外部成本内部化，倒逼高排放企业寻求效率提升方案，数字化转型成为其实现减排增效的战略选择。传导机制体现为：监管合规驱动碳监测核查体系强制企业投资数字基础设施；运营重构赋能数字技术实现能源工艺实时优化，释放资源向绿色研发倾斜；数据洞察催化积累的能源数据降低绿色创新的试错成本与不确定性。综上，碳交易政策通过合规压力触发数字化转型，后者通过提升效率与提供数据洞察赋能绿色创新，构成连接外部政策与内部创新的能力桥梁。为实证检验上述机制，本文构建如下中介模型来检验政策对数字化转型水平的影响，如公式所示：

其中，为中介变量，表示高排放企业在第年的数字化转型程度。本文参考赵宸宇等的方法，通过对选取的高排放企业的年度报告进行文本分析，提取与“数字应用技术”、“互联网商业模式”、“智能制造”、“现代信息系统”等数字化技术相关的词汇频数，通过Python对选定好的样本进行分词处理和词频统计，在此基础上对词频数据进行标准化处理，使用熵值法确定各指标权重，最终得到指数。该指标能有效捕捉企业战略层面对数字技术的关注与投入意图。系数是检验的核心：若显著为正，则表明碳排放权交易试点政策显著促进了高排放企业的数字化转型，这为数字化转型的中介效应提供了逻辑起点。

（三）变量定义

1.被解释变量

绿色创新（GI1）。本文选取样本中上市公司绿色专利申请数量的对数值作为被解释变量，该指标能更全面地涵盖处于不同审查阶段的创新产出，从而更有效地表征企业绿色技术创新活动的真实水平。

2. 核心解释变量

   碳排放权交易试点政策（did）。本文构建一个多期双重差分模型，。若企业注册地位于八个碳交易试点省市，则处理组虚拟变量取值为1，否则为0；以碳交易试点政策在各试点开始交易的年份作为政策冲击时点，该年份及之后取值为1，之前取值为0。

3. 中介变量

   数字化转型（DIGI）。本文通过对企业年度报告中“数字应用技术”、“互联网商业模式”、“智能制造”等相关词汇进行文本分析，并采用熵值法构建数字化转型指数。

4. 控制变量

   为控制其他因素对研究结论的干扰，本文选取了以下控制变量：企业规模（Size）、资产负债率（Lev）、速动比率（Quick）、现金流比率（CashFlow）、企业成立年限（FirmAge）、企业价值（TobinQ）、董事会规模（Board）、独立董事占比（Indep）、第一大股东持股比例（Top1）。

上述变量的描述性统计结果见表1。

Variable	N	Mean	SD	Min	Max
GI1	5717	0.133	0.375	0	3.466
did	5717	0.0720	0.258	0	1
DIGI	5717	0.006	0.007	0	0.038
Size	5717	22.43	1.358	19.97	26.21
Lev	5717	0.455	0.211	0.0640	0.929
Quick	5717	1.688	2.531	0.0400	46.18
CashFlow	5717	0.0560	0.0710	-0.670	0.523
FirmAge	5717	2.925	0.331	1.946	3.555
TobinQ	5717	1.779	1.277	0.621	33.95
Board	5717	2.153	0.201	1.609	2.708
Indep	5717	0.370	0.0500	0.308	0.556
Top1	5717	0.354	0.153	0.0920	0.770

数据来源：作者根据STATA结果整理得到。

实证结果与分析

1. 基于PSM-DID的检验

在进行DID估计之前，需首先检验PSM的匹配质量，匹配前，处理组与对照组在多方面存在显著差异，经过倾向得分匹配之后，所有协变量的标准差均大幅下降至5%以下，且t检验均显示不再具有统计显著性。基于此匹配样本进行的双重差分模型分析，其结果能更准确地识别碳交易试点政策的净效应。

样本自选择问题是观察性研究中进行因果推断的核心挑战，其可能导致估计偏误。为缓解由此引发的内生性问题，增强基准结果的稳健性，本文采用倾向得分匹配法（PSM）对样本进行预处理，以减缓潜在的选择性偏差。

首先，以是否处于碳交易试点政策覆盖范围为依据，划分处理组和控制组；其次，选取前述基准回归中的所有控制变量作为协变量，采用Logit模型估计倾向得分，表2第（1）列展示了PSM-DID基准回归结果，核心解释变量did的系数为0.524，t值（2.34）表明该结果在5%的水平上统计显著，该回归结果也再一次印证了碳交易政策对企业的绿色创新活动（GI1）存在正向促进作用。

	PSM-DID	基准回归(1)	基准回归(2)	替换被解释变量	中介机制
	GI1	GI1	GI1	GI3	DIGI
did	0.524**	0.610***	0.603***	0.497***	0.005**
	(2.34)	(2.89)	(2.81)	(2.78)	(2.03)
Size	0.076**		0.016**	0.005	0.002***
	(2.43)		(2.01)	(0.91)	(10.90)
Lev	-0.034		-0.024	0.004	-0.003***
	(-0.28)		(-0.78)	(0.20)	(-5.07)
Quick	0.013		0.004**	0.001	-0.000
	(1.60)		(2.29)	(1.06)	(-0.91)
CashFlow	-0.288*		-0.083*	-0.033	-0.002**
	(-1.86)		(-1.70)	(-0.95)	(-2.04)
FirmAge	-0.275		0.012	0.010	-0.001
	(-1.35)		(0.19)	(0.20)	(-1.14)
TobinQ	0.009		0.005*	0.002	0.000***
	(1.12)		(1.85)	(1.03)	(3.00)
Board	0.147		0.068*	0.028	0.000
	(1.51)		(1.87)	(0.99)	(0.43)
Indep	0.672*		0.251**	0.098	0.000
	(1.78)		(2.06)	(1.12)	(0.17)
Top1	-0.305*		-0.097*	-0.004	0.001
	(-1.83)		(-1.87)	(-0.12)	(0.65)
_cons	-1.236	0.089***	-0.515**	-0.217	-0.034***
	(-1.48)	(5.85)	(-1.98)	(-1.11)	(-6.12)
个体固定	Yes
年份固定	Yes
N	1435	5717	5717	5717	5717
R2	0.800	0.698	0.700	0.541	0.622
Adj. R2	0.710	0.651	0.652	0.465	13.805
F		8.333	3.065

注：*、**和***分别表示估计值在10%、5%和1%水平上显著，括号内为t值。

随后，运用了卡尺限制为0.05的K近邻（K=4）匹配法，得到结果如表3所示，多数协变量的估计系数均通过统计显著性检验，证实了倾向得分估计的有效性，这位后续基于匹配样本的因果推断分析奠定了实证基础。

	Unmatched	Mean		%reduct	t-test	V(T)/
Variable	Matched	Treated Control	%bias	bias	t p>t	V(C)
Size	U	22.93522.385	35.8		8.030.000	1.75*
	M	22.85822.792	4.3	88.0	0.600.549	1.38*
Lev	U	.4721 .44997	10.9		2.050.040	0.80*
	M	.47339 .4603	6.5	40.8	0.940.348	0.89
Quick	U	1.39131.7595	-16.7		-2.770.006	0.37*
	M	1.40691.4489	-1.9	88.6	-0.370.715	0.97
CashFlow	U	.06644 .05485	17.4		3.190.001	0.71*
	M	.06466 .06575	-1.6	90.7	-0.220.823	0.63*
FirmAge	U	2.88412.9271	-13.5		-2.550.011	0.83
	M	2.89382.8791	4.6	65.7	0.650.513	0.76*
TobinQ	U	1.69871.7777	-7.2		-1.220.222	0.44*
	M	1.71351.6924	1.9	73.3	0.260.797	0.38*
Board	U	2.17232.1503	11.0		2.150.032	0.97
	M	2.17172.1618	5.0	55.0	0.670.501	0.83
Indep	U	.37729 .36957	14.2		3.060.002	1.49*
	M	.37552 .37788	-4.4	69.4	-0.590.557	1.08
Top1	U	.37668 .3537	14.6		2.950.003	1.15
	M	.36927 .37318	-2.5	83.0	-0.350.729	0.92

注：U代表匹配前，M代表匹配后。作者根据 STATA结果整理得到。

（二）基准回归结果

表2第（2）列、（3）列展示了碳交易试点政策与高排放企业绿色创新之间的基准回归结果。第(2)列是在没有添加其他控制变量的双重差分估计结果，第(3)列进一步控制了企业层面的一系列特征变量。回归结果显示，核心解释变量的系数在1%的水平上显著为正，在加入所有控制变量后系数为0.603。这表明，在控制其他因素后，碳排放权交易试点政策的实施使处理组企业的绿色创新水平平均比对照组企业高出0.603个单位，这一结论强有力地验证了本文的研究假设H1，即碳排放权交易试点政策有效激发了高排放企业的绿色创新活动。

综上所述，基准回归结果稳健地支持了碳排放权交易试点政策对高排放企业绿色创新的正向促进作用，为后续深入分析其中介机制与异质性影响奠定了坚实基础。

（三）稳健性检验

1.平行趋势与动态效应检验

在进行双重差分估计前，需满足平行趋势假设，即处理组与对照组在政策实施前的绿色创新水平具有相同的时间趋势。本文采用事件研究法进行检验，结果显示：政策实施前各期（pre_5至pre_2），处理组与对照组的差异系数均不显著，95%置信区间包含零点，证实两组在政策冲击前具有共同发展趋势，满足平行趋势假设。政策效应在实施当期（current_post_1）即开始显现，并在此后各期（post_2至post_5）呈现持续增强态势。这一动态模式表明，碳交易政策的积极影响并非立竿见影的短期效果，而是随时间推移不断放大，具有显著的长期正向作用。综上，平行趋势假设得到满足，采用多期双重差分模型估计政策效应是合理的。

2.替换被解释变量

为确保基准回归结论不依赖于绿色创新能力的特定测度方式，本文进一步采用了绿色实用新型专利申请数量（GI3）作为替换解释变量进行重新估计，首先，相较于代表重大突破的绿色发明专利，实用新型专利更侧重于衡量对现有生产设备与技术的局部绿色改进和适用性解决方案，这更符合高排放企业在面临碳成本约束时最可能采取的“短平快”技术适应策略^[12]，其次，实用新型专利授权周期较短，能更及时地捕捉政策实施后企业创新行为的动态变化，表2第（4列）汇报了替换解释变量后的估计结果。核心解释变量的系数仍在1%的水平上显著为正，且系数大小与基于绿色发明申请数的基准结果基本处于同一量级。这表明，碳交易政策不仅提升了高排放企业高质量绿色创新的最终产出，也显著刺激了其初期的创新活动意愿，因此，本研究的核心结论，碳交易试点政策有效促进高排放企业的绿色创新对于创新能力的不同测度方式是高度稳健的。

3.安慰剂检验

碳交易政策对高排放企业绿色创新的影响可能会受到一些不可观测因素的影响，在对照组样本中，随机虚构处理组并随机分配政策实施时间，生成虚假的政策变量，随后重复估计基准模型，得到虚假估计系数及其值。安慰剂检验图表明，随机生成的placebo系数集中分布在零点附近。绝大多数模拟估计的值均高于10%显著性水平线，说明随机分配政策几乎不会产生显著效应，而基准回归得到的真实系数()远位于 placebo 系数分布的最右侧，成为一个明显的异常值。这表明，基准回归中发现的积极政策效应几乎不可能是由其他随机因素驱动的，从而有力地证实了本文核心结论的稳健性。

（四）机制检验

上述基准回归结果表明，碳交易试点政策对高排放企业绿色创新具有显著的促进作用。为探究其内在传导机理，对“数字化转型”这一核心渠道进行实证检验。表2第（5）列报告了中介变量的回归结果，结果显示，核心解释变量的系数为0.005，且在5%的水平上显著。这表明，碳排放权交易试点政策显著促进了高排放企业的数字化转型，证实了中介效应的必要条件。政策冲击使试点企业提高了对数字技术的战略关注与实际投入，初步验证了“合规压力驱动数字化”的理论逻辑。

五、结论与政策建议

本文以中国碳排放权交易试点政策为准自然实验，基于2008-2024年沪深A股高排放企业数据，运用多期双重差分模型，考察了该政策对高排放企业绿色创新的影响及内在机制。

（一）研究结论

碳交易试点政策显著促进了高排放企业的绿色创新，使处理组企业绿色专利申请量明显提升，验证了市场型规制工具的积极作用。机制检验表明，政策通过“推动数字化转型”渠道发挥作用：面对碳成本内部化压力，企业引入数字化监测与管理系统，精确核算碳排放、优化生产流程，在提升运营效率的同时积累海量数据，为识别减排机会、降低创新试错成本提供了关键支撑，形成了“政策压力—数字赋能—绿色创新”的微观传导链条。

（二）政策建议

1. 完善碳市场机制设计，优化配额分配，提高有偿分配比例，扩大行业覆盖范围，增强碳价发现功能与政策协同性。
2. 实施“数字化+绿色化”协同扶持政策，对高排放企业购置物联网设备、建设数字孪生系统等给予税收减免或投资补贴，搭建行业级工业互联网平台，加强“数字绿色融合”能力培训。
3. 强化碳市场与绿色金融协同，推动碳配额与绿色信贷、绿色债券等工具融合，开发碳收益挂钩金融产品，为绿色创新企业提供优惠融资条件。上述措施可系统提升碳交易政策的激励效能，助力高排放企业低碳转型，为“双碳”目标实现提供坚实支撑。

参考文献：

1. [1] 李楠博.数字经济有效赋能城市低碳发展了吗?——来自低碳技术进步的解释[J].东北师大学报(哲学社会科学版),2023(06):71-82.
2. [2] 姚星,陈灵杉,张永忠.碳交易机制与企业绿色创新：基于三重差分模型[J].科研管理,2022,43(06):43-52.
3. [3] 肖龙阶,陈实,袁潮清.异质性视角下碳排放权交易政策对企业绿色创新影响分析——基于上市公司的绿色专利数据[J].科技管理研究,2023,43(02):177-185.
4. [4] 刘晔,张训常.碳排放交易制度与企业研发创新——基于三重差分模型的实证研究[J].经济科学,2017(03):102-114.
5. [5] 张彩江,李章雯,周雨.碳排放权交易试点政策能否实现区域减排?[J].软科学,2021,35(10):93-99.
6. [6] 田建强,韩晓玉.碳排放权交易与企业融资约束——来自我国碳交易试点的证据[J].会计之友,2023(06):104-111.
7. [7] 裴晨艺,许晓娟.碳交易政策与高耗能企业绿色技术创新[J].技术经济,2024,43(10):39-52.
8. [8] Xiaolu H, Jing Y, Angel Z.The asymmetric effects of oil price shocks on green innovation[J].Energy economics,2023,125:106890.
9. [9] Rogge K S, Schneider M, Hoffmann V H. The innovation impact of the EU Emission Trading System Findings of company case studies in the German power sector[J]. Ecological economics,2012,74:179-179.
10. [10] Martin R, Muûls M, Wagner U J. The impact of carbon trading on industry: evidence from German manufacturing firms[J].Journal of environmental economics and management,2023,117:102754.
11. [11] 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(07):114-129.
12. [12] 周振国,戴乐,孙斌.碳交易政策下建材企业绿色创新策略研究[J].科技与创新,2025(10):23-26+30.