2.1. 环境信息披露与绿色技术创新
基于经济学理论视角及自愿披露理论,环境信息披露质量在一定程度上反映了企业的环境表现[18]。第一,根据信号传递机制,企业主动进行环境信息披露,会降低信息不对称,向资本市场传递出高水平的社会责任承担能力、抗风险能力与公司治理能力[19],增强利益相关者对于企业可持续发展的信心,一方面受金融机构的绿色产业偏好影响,能降低债务融资成本,缓解融资约束[20],另一方面吸引资本市场的外部投资者,提升企业市场价值,形成资源效应[21]。企业以此获得更多外部资源投入绿色技术创新。第二,基于消费者选择偏好理论,积极进行环境披露的企业更容易吸引环境敏感型客户,客户甚至愿意支付一定程度的溢价来满足自己的绿色产品需求[22]。客户对环境保护属性的重视和对环境友好产品和清洁技术的需求,形成了外部压力,促使企业通过不断改进生产工艺、创新绿色产品来保持竞争优势[23]。第三,根据社会政治理论、合法性理论和信息不对称,政府会根据企业环境信息披露质量来判断企业是否支持环保政策,出于补偿或奖励的目的对支持环保政策的企业加强补助力度[24]。基于资源依赖理论,政府补助能减轻企业的资金压力,得到支持后的企业希望借助环保表现继续赢得青睐,持续加强绿色技术创新的投入产出。再者,基于声誉机制,企业进行环境信息披露后会产生不同效果的媒体报道,正面媒体报道向全社会展示企业的核心竞争力,体现环境友好水平和绿色创新潜力,为进一步扩大品牌影响力,企业往往会“乘胜追击”,更加重视绿色技术创新,维护企业市场地位。当出现较多负面媒体报道,企业会迫于压力或者为挽回绿色形象主动承担绿色责任,开展绿色技术创新活动来修复绿色声誉[25]。综上,在环境信息披露的作用下,企业出于满足利益各方显示诉求、维护自身声誉的目的,会更加积极主动地进行绿色创新活动。基于此,本文提出假设1:
H1:环境信息披露能够促进企业绿色技术创新。
2.2. 高管绿色认知的调节作用
高管绿色认知是高管通过自己对资源及环境的科学理解与感知,形成的承担践行绿色理念、维护生态环境、保护自然资源的责任理念。高阶理论和战略认知理论认为,高层管理者的行为受到其对动态情境认知的影响,相比于企业客观环境,高管的主观认知更能对企业行为起到决定性作用[26]。由此,环境信息披露对绿色技术创新的作用与高层管理者的绿色认知水平有密切联系。首先,高绿色认知水平的高管会经常关注最新环境政策、法律法规,获取和掌握更多信息,在环境信息披露水平提升时,能够充分把握利益相关者心理,察觉绿色技术创新所能带来的声誉效应和市场机会[27];其次,高绿色认知水平会使高管具有更强的环保意识和环境治理能动性,积极响应绿色经济发展号召,由于绿色技术创新是转变经济发展方式、实现绿色可持续发展的重要动力[28],在环境信息披露质量提升时倾向于绿色技术创新;另外,绿色认知水平高的高管具有更长远目光和更强风险预判能力,对环境信息披露带来的影响也更为敏锐,在环境信息披露提高时不会因忌惮风险止步不前,更易在信息披露驱动下将绿色技术创新纳入企业发展战略全局高度,进行突破性创新行为。由此提出假设2:
H2:高管绿色认知能够促进环境信息披露对企业绿色技术创新的正向影响。
2.3. 政府环境规制的调节作用
过往研究表明宏观层面的环境规制能够形成微观层面的经济后果,且环境规制存在异质性,不同类型的环境规制在调控目的与侧重上存在差异,可能对环境信息披露与绿色技术创新之间的关系发挥异质性的调节作用。目前学界普遍将政府环境规制分为命令控制型、市场激励型两种类型[29],命令控制型环境规制为政府通过颁布法令法规、进行环保案件处罚的强制性手段约束企业环境行为,通过强制性举措对企业形成了威慑效应,树立了良好的绿色示范效果,同时政府的公开行为也进一步加深了消费者的绿色偏好理念,在环境信息披露更加充分的情况下,其力度越大,企业越倾向于迫于绿色技术创新的声誉效果和市场导向,加强绿色技术创新。市场激励型环境规制通过收取排污费用和环境税,以“适者生存”的理念在市场中筛选符合环保要求的企业。市场激励型环境规制的实施伴随着大量的资金消耗,使企业投入绿色技术创新的资金遭到挤占,受到企业资金缩紧、风险厌恶的影响,抑制了环境信息披露对于企业绿色技术创新的增效。
由此提出假设3:
H3a:命令控制型环境规制促进环境信息披露对企业绿色技术创新的正向影响。
H3b:市场激励型环境规制抑制环境信息披露对企业绿色技术创新的正向影响。
2.4. 高管绿色认知和异质性政府环境规制的联合调节作用
高管绿色认知与异质性政府环境规制分别以不同效果对环境信息披露与绿色技术创新的关系产生影响,当两种因素交叉影响时,其调节效果可能发生新的变化。本研究通过联合调节效应来验证高管绿色认知的调节作用会受到政府环境规制的进一步影响。
高管绿色认知促进环境信息披露对绿色技术创新的激励作用,市场激励型环境规制采取征收环境税及排污费用的方式,从利益相关者被动压力和企业主动性约束两种渠道激发企业创新行为[30] [31]。从被动压力角度,根据制度理论和合法性理论,企业只有满足政府制定的排污收费与环保税政策,得到利益相关者的认可,才能实现可持续发展,高管绿色认知强的企业更能充分意识到政策的绿色导向下承担环境责任的价值提升效应,在市场激励型环境规制的共同作用下,外部压力使得企业更容易对环境规制做出积极响应[32];从主动约束角度,当市场激励型环境规制较高时,企业为降低生产成本和费用,通过形成绿色工艺、开发绿色产品、开拓绿色产线,在产品生命周期的各个环节进行绿色技术创新,从而达到节能减排、获得环境税收优惠的目的,获得经济、环境与社会三重收益[33]。高水平绿色认知保障了高管不易因资金占用瞻前顾后,在决策者高绿色认知水平驱动下,企业借环境信息披露的东风加强绿色技术创新的动力。因此市场激励型环境规制与高管绿色认知进行联合调节后,能够实现对环境信息披露对绿色技术创新影响的增效,加强高管绿色认知的单独调节作用。
而命令控制型环境规制作为指令性的存在,以环保提案和环保处罚的形式倒逼企业进行环境保护行为。对于环境表现较差的企业,由于其绿色创新资源有限,创新行为具有较强随机性[34],命令控制的边际效果在短期内的作用可能仅表现为节能减排,难以形成绿色技术创新增效;对于未受环境处罚的企业,命令控制对绿色创新的激励更多来自震慑压力以及政府公开行为对全社会的形成环保理念加持,以此让企业重视环境信息披露带来的信息公开效果,加强绿色技术创新。然而高管绿色认知水平高的企业本身就具有较强的环保理念和绿色行为驱动力,外部命令难以产生显著效果,因此高管绿色认知与命令控制型环境规制交互作用不明显。
由此提出假设4:
H4a:高管绿色认知和市场激励型环境规制正向联合调节环境信息披露与企业绿色技术创新的关系。
H4b:高管绿色认知和命令控制型环境规制联合调节环境信息披露与企业绿色技术创新的关系效果不显著。
3. 研究设计
3.1. 样本选择与数据来源
2008年《环境信息公开办法》明确企业自愿披露与污染控制、技术发展和社会责任相关的信息,通过媒体和年度报告等方式向公众公开,环境信息披露质量较高的企业将受到政府的融资优惠,办法公开后环境信息披露行为得到进一步规范。因此本文选取办法公开后的2009~2022年A股上市企业数据作为样本进行研究,探究环境信息披露质量对企业绿色创新的影响,以及高管绿色认知及政府环境规制在环境信息披露质量对企业绿色创新的影响中发挥的联合调节作用。财务数据、环境信息披露数据和绿色创新数据来自国泰安数据库(CSMAR),高管绿色认知从上市公司披露年报获取,政府环境规制数据来自法律数据库及锐思数据库。对初始样本按以下规则筛选:(1) 剔除ST、*ST类样本;(2) 剔除金融行业企业样本;(3) 剔除数据有缺失的样本。经初步筛选,得到3159家上市公司,共24,297条有效观测值。数据处理与分析运用stata17.0完成。
3.2. 变量测量
3.2.1. 被解释变量
参考王馨、王营[35]等人的研究,将绿色专利申请数量加1后取自然对数作为绿色技术创新的衡量指标。
3.2.2. 解释变量
参考朱炜等人的研究[18],采用了CSMAR数据库中的环境研究数据库,按照是否货币化将企业对于环境信息的披露进行分类[36]。对于货币化的信息,定量和定性结合披露的赋值为2,定性的指标赋值为1,没有披露的指标赋值为0;对于非货币化的信息,披露的指标赋值为2,没有披露的指标赋值为0。两种信息共有5个方面、25个评分项目,对这些项目的评分进行加总后作对数处理得到EID,这一指标综合反映了企业的环境信息披露质量。
3.2.3. 调节变量
采用文本分析法,参考贺爱忠等人的研究[37],从绿色竞争优势认知、企业社会责任认知、外部环境压力感知3个维度选取一系列关键词,用词语在上市公司年报出现的频次进行测定。参考陈运平等人的研究[38],将政府环境规制分为命令控制型环境规制和市场激励型环境规制。命令控制型环境规制以企业所在省份当年环保案件的处罚数加1取对数衡量,市场激励型环境规制以企业所在省份每千元单位GDP的排污费用和环境税衡量。
3.2.4. 控制变量
本文所用的控制变量包括企业规模Size、资产负债率Lev、净资产收益率ROA、成长性Growth、托宾Q值TobinQ、企业年龄FirmAge、董事会规模Board、两职合一状态Dual、大股东持股比例Top、两权分离状态Seperate。以上变量见表1所示。
Table 1. Variable definition table
表1. 变量定义表
变量类型 |
变量名称 |
符号 |
定义 |
被解释变量 |
绿色技术创新 |
Patent |
ln (公司绿色专利申请数 + 1) |
解释变量 |
环境信息披露 |
EID |
环境信息披露得分 |
调节变量 |
高管绿色认知 |
EGP |
高管绿色认知衡量维度的关键词在上市公司年报中出现的频次 |
政府环境规制 |
命令控制型 |
ER1 |
ln (企业所在省份当年环保案件的处罚数 + 1) |
市场激励型 |
ER2 |
排污费用和环境税/企业所在省份GDP |
控制变量 |
资产负债率 |
Size |
公司总负债/总资产 |
企业规模 |
Lev |
ln (企业总资产 + 1) |
总资产报酬率 |
ROA |
息税前利润/总资产 |
成长性 |
Growth |
公司营业收入增长率 |
托宾Q值 |
TobinQ |
公司市值/资产重置成本 |
企业年龄 |
FirmAge |
公司成立年限 |
董事会规模 |
Board |
ln (董事会人数 + 1) |
两职合一状态 |
Dual |
董事长与总经理是否两职合一,是取值为1,否则为0 |
大股东持股比例 |
Top |
第一大股东持股比例 |
两权分离状态 |
Seperate |
最终控制人控制权 − 现金流权 |
3.3. 模型设定
为研究环境信息披露对绿色技术创新的影响,以及高管绿色认知和异质性政府环境规制的联合调节作用,本文设定以下模型,模型框架图如图1所示:
(1)
(2)
(3)
(4)
(5)
其中,Patentit表示当年的绿色技术创新水平,EIDit表示环境信息披露质量,EGPit表示高管绿色认知,ERit表示政府环境规制。Xit表示控制变量集合,εit为随机误差项。
Figure 1. Model framework diagram
图1. 模型框架图
4. 实证结果与分析
4.1. 描述性统计
描述性统计结果如表2所示,绿色技术创新指标最小值为0,平均值为0.393,表明目前我国A股上市公司的绿色技术创新水平整体偏低,具有较大的提升空间。环境信息披露分数差距较大,我国A股上市公司的环境信息公开仍需进一步严格要求,实现标准化。高管绿色认知最小值和最大值分别为0和400,呈现了两极分化,命令控制型环境规制均值、标准差分别为6.481、2.486,市场激励型环境规制均值、最小值和最大值分别为1.972、0.159和17.32,环境规制整体力度较大,但不同省份环境规制强度存在较大差距。
4.2. 相关性分析
对本文各主要变量进行Pearson相关性分析后结果如表3所示,主要变量基本显著相关,特别是被解释变量Patent与解释变量EID,在1%水平下显著正相关,初步符合了主回归模型假设,需要进行固定效应回归,加入控制变量进行进一步检验。
4.3. 回归结果分析
为检验环境信息披露与企业绿色技术创新之间的关系以及高管绿色认知和异质性环境规制的联合调
Table 2. Descriptive statistical results
表2. 描述性统计结果
变量 |
观测数 |
平均值 |
标准差 |
最小值 |
中位数 |
最大值 |
Patent |
24,297 |
0.424 |
0.835 |
0 |
0 |
4.007 |
EID |
24,297 |
5.895 |
6.235 |
0 |
3 |
28 |
EGP |
24,297 |
3.120 |
7.259 |
0 |
1 |
400 |
ER1 |
24,297 |
6.481 |
2.486 |
0 |
7.072 |
9.933 |
ER2 |
24,297 |
1.972 |
1.456 |
0.159 |
1.748 |
17.32 |
Size |
24,297 |
22.16 |
1.311 |
17.64 |
21.97 |
28.64 |
Lev |
24,297 |
0.415 |
0.207 |
0.008 |
0.405 |
3.919 |
ROA |
24,297 |
0.041 |
0.078 |
−1.87 |
0.041 |
0.880 |
Growth |
24,297 |
0.279 |
3.985 |
−2.733 |
0.111 |
363.07 |
TobinQ |
24,297 |
2.129 |
2.295 |
0.674 |
1.640 |
122.19 |
FirmAge |
24,297 |
2.848 |
0.346 |
1.099 |
2.890 |
4.143 |
Board |
24,297 |
2.122 |
0.199 |
1.386 |
2.197 |
2.890 |
Dual |
24,297 |
0.291 |
0.454 |
0 |
0 |
1 |
Top1 |
24,297 |
0.346 |
0.148 |
0.029 |
0.325 |
0.900 |
Seperate |
24,297 |
4.533 |
7.653 |
−80.58 |
0 |
60.32 |
Table 3. Correlation analysis results
表3. 相关性分析结果
变量 |
Patent |
EID |
EGP |
ER1 |
ER2 |
Size |
Lev |
ROA |
Growth |
TobinQ |
FirmAge |
Board |
Dual |
Top |
Seperate |
Patent |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
EID |
0.182*** |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
EGP |
0.092*** |
0.197*** |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
ER1 |
0.077*** |
0.065*** |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
ER2 |
−0.056*** |
−0.019*** |
0.023*** |
−0.355*** |
1 |
|
|
|
|
|
|
|
|
|
|
Size |
0.254*** |
0.387*** |
0.387*** |
0.119*** |
0.030*** |
1 |
|
|
|
|
|
|
|
|
|
Lev |
0.088*** |
0.067*** |
0.067*** |
0.068*** |
−0.060*** |
0.456*** |
1 |
|
|
|
|
|
|
|
|
ROA |
0.034*** |
0.071*** |
0.071*** |
−0.013** |
0.002 |
0.030*** |
−0.356*** |
1 |
|
|
|
|
|
|
|
Growth |
−0.003 |
−0.005 |
−0.005 |
−0.003 |
0.003 |
−0.003 |
0.006 |
0.003 |
1 |
|
|
|
|
|
|
TobinQ |
−0.041*** |
−0.078*** |
−0.078*** |
−0.060*** |
−0.021*** |
−0.257*** |
−0.114*** |
0.050*** |
−0.002 |
1 |
|
|
|
|
|
FirmAge |
−0.003 |
0.185*** |
0.185*** |
0.023*** |
0.173*** |
0.175*** |
0.130*** |
−0.094*** |
0.003 |
0.005** |
1 |
|
|
|
|
Board |
0.052*** |
0.088*** |
0.088*** |
0.045*** |
−0.107*** |
0.241*** |
0.145*** |
0.021*** |
0.002 |
−0.080*** |
−0.017*** |
1 |
|
|
|
Dual |
0.001 |
−0.039*** |
−0.039*** |
−0.045*** |
0.089*** |
−0.172*** |
−0.147*** |
0.033*** |
−0.002 |
−0.042*** |
−0.063*** |
−0.187*** |
1 |
|
|
Top |
0.033*** |
0.074*** |
0.074*** |
0.020*** |
−0.065*** |
0.210*** |
0.050*** |
0.130*** |
0.005 |
−0.083*** |
−0.125*** |
0.034*** |
−0.066*** |
1 |
|
Seperate |
0.01* |
0.058*** |
0.058*** |
0.019*** |
−0.059*** |
0.064*** |
0.051*** |
0.018*** |
−0.004 |
−0.020*** |
0.018*** |
0.060*** |
−0.057*** |
0.139*** |
1 |
注:***,**,*分别表示在1%、5%、10%水平显著,下同。
节作用,本文采用层次回归进行验证。在Pearson相关性分析的基础上,将控制变量、因变量、自变量与两个调节变量纳入到多元回归模型中,为减少多重共线性的影响,本文将所有自变量及调节变量进行标准化处理后,分别对主效应、双重交互效应、三重交互效应进行检验,验证假设H1~H4,结果如表5所示。
4.3.1. 主效应回归
模型(1)将被解释变量绿色技术创新与控制变量纳入固定效应回归,以此作为基准模型。模型(2)在此基础上,将解释变量环境信息披露加入回归,环境信息披露回归系数为0.113 (p < 0.01),表明环境信息披露对于企业绿色技术创新有显著正向影响,H1得到验证。
4.3.2. 高管绿色认知的调节作用
模型(3)在模型(2)的基础上引入高管绿色认知及其与自变量的交乘项,回归结果如表4列3所示。交乘项回归系数为0.033 (p < 0.05),说明高管绿色认知能够正向调节环境信息披露与绿色技术创新之间的关系,即高管绿色认知水平越高,环境信息披露对绿色技术创新的促进作用越容易发挥,假设H2得到验证。
4.3.3. 政府环境规制的调节作用
模型(4)、(5)在模型(2)的基础上引入异质性政府环境规制及两种环境规制与自变量的交乘项,回归结果如列4、5所示。命令控制型环境规制与自变量的交乘项系数为0.024 (p < 0.01),市场激励型环境规制与自变量的交乘项系数为−0.018 (p < 0.05),说明政府环境规制能够在环境信息披露和绿色技术创新之间发挥调节作用,异质性环境规制会产生不同的调节效果,命令控制型能够显著促进二者的关系,而市场激励型则会抑制环境信息披露对绿色技术创新的促进作用,假设H3a、H3b得到验证。
4.3.4. 高管绿色关注和政府环境规制的联合调节作用
在验证对高管绿色关注和政府环境规制分别对环境信息披露与绿色技术创新之间关系的调节作用后,为进一步验证二者的联合调节效果,将自变量、调节变量以及自变量和两个调节变量的两两交互项加入回归模型,最后将自变量和高管绿色认知和环境规制的三因素交乘项纳入方程回归,结果如表4列6、7所示。自变量与高管绿色认知和命令控制型环境规制的三重交互项系数为−0.052,没有通过显著性检验;自变量与高管绿色认知和市场激励型环境规制的三重交互项系数为0.067 (p < 0.01),表明高管绿色认知能够和市场激励型环境规制联合发挥对环境信息披露和绿色技术创新关系的调节作用。假设H4a和H4b得到验证。
Table 4. Regression results
表4. 回归结果
|
(1) Patent |
(2) Patent |
(3) Patent |
(4) Patent |
(5) Patent |
(6) Patent |
(7) Patent |
EID |
|
0.113*** |
0.093*** |
0.123*** |
0.113*** |
0.106*** |
0.085*** |
|
|
(0.007) |
(0.009) |
(0.009) |
(0.008) |
(0.011) |
(0.010) |
Size |
0.306*** |
0.269*** |
0.298*** |
0.273*** |
0.260*** |
0.297*** |
0.292*** |
|
(0.007) |
(0.007) |
(0.008) |
(0.009) |
(0.008) |
(0.010) |
(0.009) |
Lev |
0.021 |
0.006 |
0.009 |
0.014* |
0.007 |
0.019** |
0.010 |
|
(0.007) |
(0.007) |
(0.007) |
(0.008) |
(0.007) |
(0.009) |
(0.008) |
ROA |
0.024*** |
0.022*** |
0.023*** |
0.029*** |
0.026*** |
0.032*** |
0.028*** |
|
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
(0.007) |
(0.006) |
Growth |
−0.000 |
−0.000 |
−0.016 |
−1.281 |
0.000 |
−2.293** |
−0.017 |
|
(0.005) |
(0.005) |
(0.043) |
(0.886) |
(0.005) |
(1.148) |
(0.042) |
TobinQ |
0.026*** |
0.023*** |
0.022*** |
0.027*** |
0.022*** |
0.027*** |
0.021*** |
|
(0.005) |
(0.005) |
(0.005) |
(0.007) |
(0.005) |
(0.008) |
(0.006) |
FirmAge |
−0.031*** |
−0.032*** |
−0.020*** |
−0.023*** |
−0.030*** |
−0.011 |
−0.016** |
|
(0.006) |
(0.006) |
(0.007) |
(0.007) |
(0.006) |
(0.008) |
(0.007) |
Board |
0.028*** |
0.023*** |
0.030*** |
0.026*** |
0.023*** |
0.032*** |
0.031*** |
|
(0.006) |
(0.005) |
(0.006) |
(0.007) |
(0.006) |
(0.007) |
(0.006) |
Dual |
0.016*** |
0.018*** |
0.022*** |
0.019*** |
0.020*** |
0.024*** |
0.024*** |
|
(0.005) |
(0.005) |
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
Top1 |
−0.022 |
0.000 |
0.007 |
−0.005 |
−0.003 |
−0.001 |
0.004 |
|
(0.005) |
(0.005) |
(0.006) |
(0.007) |
(0.006) |
(0.007) |
(0.006) |
Seperate |
0.003 |
0.003 |
−0.004 |
0.005 |
0.004 |
0.000 |
−0.004 |
|
(0.005) |
(0.005) |
(0.006) |
(0.006) |
(0.005) |
(0.007) |
(0.006) |
EGP |
|
|
0.018** |
|
|
−0.054*** |
0.050*** |
|
|
|
(0.008) |
|
|
(0.021) |
(0.015) |
EGP × EID |
|
|
0.033*** |
|
|
0.066* |
−0.018 |
|
|
|
(0.012) |
|
|
(0.038) |
(0.020) |
ER1 |
|
|
|
0.035*** |
|
0.020** |
|
|
|
|
|
(0.007) |
|
(0.009) |
|
ER1 × EID |
|
|
|
0.024*** |
|
0.022** |
|
|
|
|
|
(0.007) |
|
(0.009) |
|
ER2 |
|
|
|
|
−0.022*** |
|
−0.028*** |
|
|
|
|
|
(0.006) |
|
(0.008) |
ER2 × EID |
|
|
|
|
−0.018*** |
|
−0.033*** |
|
|
|
|
|
(0.005) |
|
(0.008) |
EGP × ER1 |
|
|
|
|
|
0.099*** |
|
|
|
|
|
|
|
(0.025) |
|
EID × EGP × ER1 |
|
|
|
|
|
−0.052 |
|
|
|
|
|
|
|
(0.032) |
|
EGP × ER2 |
|
|
|
|
|
|
−0.043** |
|
|
|
|
|
|
|
(0.019) |
EID × EGP × ER2 |
|
|
|
|
|
|
0.067*** |
|
|
|
|
|
|
|
(0.018) |
_cons |
0.472*** |
0.539*** |
0.591*** |
0.515*** |
0.503*** |
0.523*** |
0.556*** |
|
(0.079) |
(0.062) |
(0.066) |
(0.076) |
(0.066) |
(0.080) |
(0.071) |
industry |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
year |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
adj.R2 |
0.2239 |
0.2270 |
0.2328 |
0.2247 |
0.2241 |
0.2319 |
0.2315 |
N |
24,297 |
24,297 |
24,297 |
24,297 |
24,297 |
24,297 |
24,297 |
5. 内生性检验
为排除遗漏变量、双向因果等造成的内生性问题,证明环境信息披露对绿色技术创新的作用并非伪因果关系,本文采取工具变量法进行内生性检验。由于绿色技术创新需要企业的研发投入过程,环境信息披露对绿色技术创新的影响可能存在滞后效果,且可能对未来的绿色技术创新造成持续影响,因此选用滞后一期的解释变量EIDi,t+1作为工具变量。结果如表5所示,第一阶段EIDi,t+1估计系数为0.4082,在1%水平上显著,符合工具变量相关性的要求,此外,Kleibergen-Paap rk LM统计量为509.45,在1%水平的显著,拒绝工具变量识到不足的原假设,Kleibergen-Paap rk Wald F统计量是1472.54,大于Stock-Yogo在10%水平上的临界值16.38,通过弱工具变量检验。第二阶段EIDi,t回归系数为0.0076,在5%水平上正向显著,考虑内生性因素后,结果仍具有稳健性。
Table 5. Endogeneity test results
表5. 内生性检验结果
变量 |
第一阶段 EID |
第二阶段 Patent |
EIDi,t+1 |
0.4082*** |
|
|
(0.0106) |
|
EIDi,t |
|
0.0076** |
|
|
(0.0031) |
Kleibergen-Paap rk LM |
|
509.45*** |
Kleibergen-Paap rk Wald F |
|
1472.54 |
控制变量 |
YES |
YES |
Year |
YES |
YES |
Industry |
YES |
YES |
Partial R2 |
0.3320 |
0.1541 |
6. 稳健性检验
6.1. 替换被解释变量
6.1.1. 替换为绿色实用新型专利
绿色专利包括绿色发明专利与绿色实用新型专利,绿色发明专利具申请要求较高,因此本文参考朱鹏等人研究[25],以绿色创新质量即绿色发明专利申请数量(加1取自然对数) (Patent1)重新测度绿色技术创新水平进行回归,结果如表6所示,回归结果与前文一致。
Table 6. Replace the dependent variable with the test result of the green utility model patent
表6. 替换被解释变量为绿色实用新型专利检验结果
|
(1) Patent1 |
(2) Patent1 |
(3) Patent1 |
(4) Patent1 |
(5) Patent1 |
(6) Patent1 |
(7) Patent1 |
EID |
|
0.093*** |
0.076*** |
0.103*** |
0.095*** |
0.088*** |
0.072*** |
|
|
(0.008) |
(0.009) |
(0.009) |
(0.008) |
(0.014) |
(0.011) |
Size |
0.264*** |
0.233*** |
0.261*** |
0.232*** |
0.223*** |
0.255*** |
0.254*** |
|
(0.007) |
(0.008) |
(0.008) |
(0.009) |
(0.008) |
(0.014) |
(0.009) |
Lev |
0.001 |
0.004 |
0.009 |
0.013 |
0.006 |
0.022** |
0.012 |
|
(0.007) |
(0.007) |
(0.008) |
(0.008) |
(0.007) |
(0.009) |
(0.008) |
ROA |
0.017*** |
0.015*** |
0.018*** |
0.022*** |
0.019*** |
0.025*** |
0.022*** |
|
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
(0.006) |
(0.007) |
Growth |
−0.000 |
−0.000 |
−0.015 |
−1.277 |
−0.000 |
−1.939** |
−0.015 |
|
(0.005) |
(0.005) |
(0.044) |
(0.908) |
(0.005) |
(0.939) |
(0.044) |
TobinQ |
0.019*** |
0.017*** |
0.016*** |
0.015** |
0.016*** |
0.014*** |
0.016*** |
|
(0.005) |
(0.005) |
(0.006) |
(0.007) |
(0.005) |
(0.005) |
(0.006) |
FirmAge |
−0.042*** |
−0.042*** |
−0.027*** |
−0.033*** |
−0.039*** |
−0.017** |
−0.021*** |
|
(0.006) |
(0.006) |
(0.007) |
(0.008) |
(0.006) |
(0.009) |
(0.007) |
Board |
0.022*** |
0.019*** |
0.022*** |
0.021*** |
0.018*** |
0.023*** |
0.022*** |
|
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
(0.008) |
(0.006) |
Dual |
0.018*** |
0.020*** |
0.024*** |
0.020*** |
0.020*** |
0.026*** |
0.025*** |
|
(0.005) |
(0.005) |
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
Top1 |
0.002 |
0.001 |
0.006 |
0.002 |
−0.000 |
0.003 |
0.006 |
|
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
(0.007) |
(0.006) |
Seperate |
−0.002 |
−0.002 |
−0.006 |
0.001 |
−0.002 |
−0.001 |
−0.006 |
|
(0.005) |
(0.005) |
(0.006) |
(0.006) |
(0.005) |
(0.007) |
(0.006) |
EGP |
|
|
0.019** |
|
|
−0.060** |
0.049*** |
|
|
|
(0.008) |
|
|
(0.024) |
(0.016) |
EGP × EID |
|
|
0.043*** |
|
|
0.106* |
−0.016 |
|
|
|
(0.013) |
|
|
(0.064) |
(0.021) |
ER2 |
|
|
|
0.043*** |
|
0.033*** |
|
|
|
|
|
(0.008) |
|
(0.010) |
|
ER2 × EID |
|
|
|
0.027*** |
|
0.029** |
|
|
|
|
|
(0.007) |
|
(0.012) |
|
ER2 |
|
|
|
|
−0.019*** |
|
−0.030*** |
|
|
|
|
|
(0.006) |
|
(0.008) |
ER2 × EID |
|
|
|
|
−0.011** |
|
−0.029*** |
|
|
|
|
|
(0.005) |
|
(0.008) |
EGP × ER1 |
|
|
|
|
|
0.110*** |
|
|
|
|
|
|
|
(0.033) |
|
ER1 × EGP × EID |
|
|
|
|
|
−0.079 |
|
|
|
|
|
|
|
(0.051) |
|
EGP × ER2 |
|
|
|
|
|
|
−0.038* |
|
|
|
|
|
|
|
(0.019) |
ER2 × EGP × EID |
|
|
|
|
|
|
0.073*** |
|
|
|
|
|
|
|
(0.019) |
_cons |
0.488*** |
0.552*** |
0.623*** |
0.580*** |
0.539*** |
0.623*** |
0.612*** |
|
(0.064) |
(0.064) |
(0.069) |
(0.078) |
(0.069) |
(0.092) |
(0.074) |
industry |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
year |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
adj.R2 |
0.2009 |
0.2048 |
0.2134 |
0.2103 |
0.2037 |
0.2253 |
0.2147 |
N |
24,297 |
24,297 |
24,297 |
24,297 |
24,297 |
24,297 |
24,297 |
6.1.2. 替换为绿色专利授权量
申请数量仅能表现企业绿色技术创新投入程度,为验证转换成果情况,本文参考韩先锋等人[39]的研究,以绿色专利授权量(加1取自然对数) (Patent2)作为绿色技术创新成果转换的衡量指标,考虑到申请到授权时间一般为18个月,将绿色专利授权量滞后两期进行回归。回归结果如表7所示,与前文保持一致,进一步验证了原假设。
Table 7. Replace the dependent variable with the result of the green patent authorization test
表7. 替换被解释变量为绿色专利授权量检验结果
|
(1) Patent2 |
(2) Patent2 |
(3) Patent2 |
(4) Patent2 |
(5) Patent2 |
(6) Patent2 |
(7) Patent2 |
EID |
|
0.111*** |
0.087*** |
0.110*** |
0.109*** |
0.097*** |
0.078*** |
|
|
(0.008) |
(0.011) |
(0.010) |
(0.008) |
(0.012) |
(0.011) |
Size |
0.325*** |
0.288*** |
0.321*** |
0.303*** |
0.288*** |
0.326*** |
0.279*** |
|
(0.008) |
(0.009) |
(0.010) |
(0.010) |
(0.009) |
(0.011) |
(0.010) |
Lev |
−0.003 |
0.002 |
0.007 |
0.008 |
0.003 |
0.016 |
0.018** |
|
(0.008) |
(0.008) |
(0.009) |
(0.009) |
(0.008) |
(0.010) |
(0.009) |
ROA |
0.034*** |
0.033*** |
0.036*** |
0.034*** |
0.032*** |
0.037*** |
0.038*** |
|
(0.007) |
(0.007) |
(0.008) |
(0.008) |
(0.007) |
(0.009) |
(0.008) |
Growth |
0.000 |
0.000 |
−0.019 |
−2.062** |
0.000 |
−2.090* |
−0.017 |
|
(0.005) |
(0.005) |
(0.045) |
(0.931) |
(0.005) |
(1.211) |
(0.045) |
TobinQ |
0.044*** |
0.040*** |
0.038*** |
0.036*** |
0.040*** |
0.034*** |
0.025** |
|
(0.009) |
(0.009) |
(0.010) |
(0.010) |
(0.009) |
(0.011) |
(0.010) |
FirmAge |
−0.036*** |
−0.037*** |
−0.018** |
−0.031*** |
−0.037*** |
−0.014* |
−0.023*** |
|
(0.007) |
(0.007) |
(0.007) |
(0.008) |
(0.007) |
(0.008) |
(0.008) |
Board |
0.036*** |
0.032*** |
0.035*** |
0.035*** |
0.033*** |
0.038*** |
0.028*** |
|
(0.006) |
(0.006) |
(0.007) |
(0.007) |
(0.006) |
(0.008) |
(0.007) |
Dual |
0.021*** |
0.023*** |
0.027*** |
0.023*** |
0.022*** |
0.028*** |
0.027*** |
|
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
(0.007) |
(0.007) |
Top1 |
0.006 |
0.004 |
0.011 |
0.003 |
0.004 |
0.005 |
0.008 |
|
(0.006) |
(0.006) |
(0.007) |
(0.007) |
(0.006) |
(0.008) |
(0.007) |
Seperate |
−0.001 |
−0.001 |
−0.008 |
0.001 |
0.000 |
−0.001 |
−0.007 |
|
(0.006) |
(0.006) |
(0.006) |
(0.007) |
(0.006) |
(0.007) |
(0.006) |
EGP |
|
|
0.032*** |
|
|
−0.029 |
0.026 |
|
|
|
(0.008) |
|
|
(0.022) |
(0.017) |
EGP × EID |
|
|
0.034** |
|
|
0.038 |
−0.019 |
|
|
|
(0.014) |
|
|
(0.041) |
(0.022) |
ER1 |
|
|
|
0.049*** |
|
0.034*** |
|
|
|
|
|
(0.008) |
|
(0.010) |
|
ER1 × EID |
|
|
|
0.032*** |
|
0.026*** |
|
|
|
|
|
(0.007) |
|
(0.010) |
|
ER2 |
|
|
|
|
−0.028*** |
|
−0.039*** |
|
|
|
|
|
(0.007) |
|
(0.009) |
ER2 × EID |
|
|
|
|
−0.021*** |
|
−0.025*** |
|
|
|
|
|
(0.006) |
|
(0.009) |
EGP × ER1 |
|
|
|
|
|
0.087*** |
|
|
|
|
|
|
|
(0.027) |
|
ER1 × EGP × EID |
|
|
|
|
|
−0.033 |
|
|
|
|
|
|
|
(0.034) |
|
EGP × ER2 |
|
|
|
|
|
|
−0.021 |
|
|
|
|
|
|
|
(0.021) |
ER2 × EGP × EID |
|
|
|
|
|
|
0.069*** |
|
|
|
|
|
|
|
(0.020) |
_cons |
0.549*** |
0.621*** |
0.696*** |
0.645*** |
0.640*** |
0.687*** |
0.765*** |
|
(0.071) |
(0.071) |
(0.076) |
(0.081) |
(0.072) |
(0.085) |
(0.078) |
industry |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
year |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
adj.R2 |
0.2387 |
0.2437 |
0.2539 |
0.2485 |
0.2447 |
0.2575 |
0.2213 |
N |
19,149 |
19,149 |
19,149 |
19,149 |
19,149 |
19,149 |
19,149 |
6.2. 增加关键控制变量
由于企业绿色技术创新需要大量资本投入,且具有一定的风险,因此企业的所有权性质、产权比率、资本密集度、融资约束都是其重要影响因素,本文将所有权性质、产权比率、资本密集度、融资约束纳入控制变量重新对主效应、调节效应及联合调节效应进行回归分析。所有权性质(SOE)为哑变量,国有企业表示为1,非国有企业为0;产权比率(DER)用年末总负债与年末所有者权益的比值表示;资本密集度(CAP)用总资产与营业收入的比值表示;融资约束(WW)以WW指数衡量。结果如表8所示,与上文结论保持一致。
Table 8. Increase the test results of key control variables
表8. 增加关键控制变量检验结果
|
(1) Patent |
(2) Patent |
(3) Patent |
(4) Patent |
(5) Patent |
(6) Patent |
(7) Patent |
EID |
|
0.113*** |
0.097*** |
0.131*** |
0.119*** |
0.116*** |
0.091*** |
|
|
(0.007) |
(0.010) |
(0.010) |
(0.008) |
(0.024) |
(0.011) |
Size |
0.306*** |
0.269*** |
0.265*** |
0.231*** |
0.224*** |
0.258*** |
0.252*** |
|
(0.007) |
(0.007) |
(0.015) |
(0.019) |
(0.015) |
(0.044) |
(0.017) |
Lev |
0.002 |
0.006 |
0.003 |
0.004 |
−0.001 |
0.009 |
0.002 |
|
(0.007) |
(0.007) |
(0.008) |
(0.009) |
(0.008) |
(0.019) |
(0.009) |
ROA |
0.024*** |
0.022*** |
0.013* |
0.021** |
0.018** |
0.020* |
0.016** |
|
(0.006) |
(0.006) |
(0.007) |
(0.009) |
(0.007) |
(0.011) |
(0.008) |
Growth |
−0.000 |
−0.000 |
−15.863*** |
−20.363*** |
−15.496*** |
−22.065*** |
−18.747*** |
|
(0.005) |
(0.005) |
(4.919) |
(6.439) |
(4.889) |
(8.156) |
(5.445) |
TobinQ |
0.026*** |
0.023*** |
0.025*** |
0.030*** |
0.024*** |
0.032*** |
0.024*** |
|
(0.005) |
(0.005) |
(0.006) |
(0.007) |
(0.005) |
(0.010) |
(0.006) |
FirmAge |
−0.031*** |
−0.032*** |
−0.017** |
−0.023*** |
−0.030*** |
−0.007 |
−0.013* |
|
(0.006) |
(0.006) |
(0.007) |
(0.008) |
(0.007) |
(0.019) |
(0.007) |
Board |
0.028*** |
0.023*** |
0.034*** |
0.030*** |
0.027*** |
0.039** |
0.036*** |
|
(0.005) |
(0.005) |
(0.006) |
(0.007) |
(0.006) |
(0.018) |
(0.007) |
Dual |
0.016*** |
0.018*** |
0.028*** |
0.027*** |
0.027*** |
0.032** |
0.031*** |
|
(0.005) |
(0.005) |
(0.006) |
(0.007) |
(0.006) |
(0.015) |
(0.007) |
Top1 |
0.002 |
0.000 |
0.004 |
−0.010 |
−0.005 |
−0.006 |
0.002 |
|
(0.005) |
(0.005) |
(0.007) |
(0.008) |
(0.006) |
(0.017) |
(0.007) |
Seperate |
0.003 |
0.003 |
−0.007 |
0.004 |
0.003 |
−0.002 |
−0.007 |
|
(0.005) |
(0.005) |
(0.006) |
(0.007) |
(0.006) |
(0.016) |
(0.006) |
EGP |
|
|
0.016** |
|
|
−0.058 |
0.053*** |
|
|
|
(0.008) |
|
|
(0.037) |
(0.016) |
SOE |
|
|
0.062*** |
0.098*** |
0.062*** |
0.099** |
0.067*** |
|
|
|
(0.015) |
(0.018) |
(0.014) |
(0.043) |
(0.016) |
DER |
|
|
−0.002 |
−0.001 |
−0.001 |
−0.002 |
−0.002 |
|
|
|
(0.001) |
(0.001) |
(0.001) |
(0.001) |
(0.001) |
CAP |
|
|
0.000 |
0.000 |
0.000 |
0.000*** |
0.000 |
|
|
|
(0.000) |
(0.000) |
(0.000) |
(0.000) |
(0.000) |
WW |
|
|
−0.637*** |
−0.766*** |
−0.622*** |
−0.779** |
−0.752*** |
|
|
|
(0.198) |
(0.258) |
(0.196) |
(0.325) |
(0.219) |
EGP × EID |
|
|
0.037*** |
|
|
0.081 |
−0.017 |
|
|
|
(0.013) |
|
|
(0.068) |
(0.021) |
ERA |
|
|
|
0.039*** |
|
0.025 |
|
|
|
|
|
(0.008) |
|
(0.018) |
|
ER1 × EID |
|
|
|
0.035*** |
|
0.036** |
|
|
|
|
|
(0.007) |
|
(0.017) |
|
ER2 |
|
|
|
|
−0.020*** |
|
−0.024*** |
|
|
|
|
|
(0.006) |
|
(0.009) |
ER2 × EID |
|
|
|
|
−0.024*** |
|
−0.038*** |
|
|
|
|
|
(0.005) |
|
(0.008) |
EGP × ER1 |
|
|
|
|
|
0.106** |
|
|
|
|
|
|
|
(0.052) |
|
ER1 × EGP × EID |
|
|
|
|
|
−0.065 |
|
|
|
|
|
|
|
(0.063) |
|
EGP × ER2 |
|
|
|
|
|
|
−0.049** |
|
|
|
|
|
|
|
(0.019) |
ER2 × EGP × EID |
|
|
|
|
|
|
0.068*** |
|
|
|
|
|
|
|
(0.019) |
_cons |
0.485*** |
0.564*** |
−0.085 |
−0.315 |
−0.177 |
−0.299 |
−0.250 |
|
(0.062) |
(0.062) |
(0.237) |
(0.302) |
(0.236) |
(0.408) |
(0.261) |
industry |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
year |
YES |
YES |
YES |
YES |
YES |
YES |
YES |
adj.R2 |
0.2293 |
0.2351 |
0.2542 |
0.2508 |
0.2439 |
0.2681 |
0.2566 |
N |
20,125 |
20,125 |
20,125 |
20,125 |
20,125 |
20,125 |
20,125 |
7. 结论与启示
本文在理论分析的基础上,选用2009~2022年A股上市企业作为研究样本进行回归分析,探讨环境信息披露对绿色技术创新的作用,以及高管绿色认知和异质性政府环境规制对二者关系的调节效果,在此基础上将两因素融合,研究高管绿色认知和异质性政府环境规制的联合调节作用。结果表明:① 环境信息披露能够显著促进企业绿色技术创新,且经过一系列稳健性检验后证明结论稳健。② 高管绿色认知作为企业内部驱动因素,能够通过影响企业高管主观行为增强绿色技术创新对环境信息披露的反应效果。③ 政府环境规制作为外部压力因素,能够对环境信息披露与绿色技术创新的关系起到调节作用,异质性政府环境规制有不同的调节效果。命令控制型环境规制显著促进环境信息披露对绿色技术创新的影响,市场激励型环境规制则显著抑制环境信息披露对绿色技术创新的影响。④ 高管绿色认知和政府环境规制对企业环境信息披露与绿色技术创新之间的关系存在联合调节效果。市场激励型环境规制能够与高管绿色认知联合,强化其对企业环境信息披露与绿色技术创新关系的调节作用;而命令控制型环境规制对高管绿色关注的调节作用无显著影响。形成不同效果的原因主要为异质性政府环境规制的侧重形式不同,企业对其形成了不同的绿色行为反应。由此可见,政府环境治理与企业内部管理因素作为环境调控的两个重要手段,在不同维度的联合作用下会产生截然不同的效果,在环境信息披露质量日渐提升的环境下,提高绿色技术创新数量与质量须结合实际情况优化实施方式,实现动态平衡下的最优解。
上述实证结论对环境治理和企业战略管理具有重要启示意义。第一,环境信息披露是有效的环境规制补充工具,应进一步完善环境信息披露法规法令,对信息公开细则做出详细要求,改善环境信息披露粉饰描述为主、定量信息不足的现状,更加真实地反映企业环境表现和污染治理决心。上市企业一方面应当严格遵守相关法律法规,进行系统的环境信息披露,向利益相关者反映真实环境信息,提升合法性;另一方面在主动进行环境信息披露的同时,更应当不局限于眼前利益,提升社会责任承担能力,以可持续发展为己任,关注长远利益,积极借助利益相关者资源倾斜,通过绿色技术创新实现价值创造。第二,绿色技术创新是经济可持续发展的重要动能,对于绿色技术创新意愿强烈并做出实质性行动的企业,可以适当展开环境税费和排污费用的优惠,避免由于资源挤占效应遏制企业创新行为。第三,高管绿色认知对企业绿色行为具有强烈内在驱动作用,政府在进行环境规制的同时,应当重视高管个人特质对企业协同绿色经济发展的影响,以绿色专项培训与召开环境保护会议等形式强化高管绿色认知;为追求长远发展,企业高管也当顺应绿色发展的大趋势,增强自身绿色责任意识,加强对环境相关的国家制度、法律法规以及绿色低碳相关新闻的关注,把握最新战略导向,形成与外部环境规制协同治理效果,促进企业绿色技术创新,实现绿色大潮流下的可持续发展。第四,政府应持续完善多重环境治理工具的规制效果,根据企业社会责任报告与ESG评级等披露信息、考虑企业高管绿色认知水平的影响、结合行业发展实际与企业现有绿色能力,通过监管与激励、补助与收费并行的异质性环境规制手段,促进环境信息公开下的企业绿色创新行为,助推绿色经济转型升级。