滕 颖 郑宇航
1（电子科技大学长三角研究院（湖州），湖州 313000）2（电子科技大学经济与管理学院，成都 611731）
作为能源消耗与碳排放大国，我国生态环境已逐步逼近“环境红线”。为应对日趋严峻的环境压力，2020 年我国提出“双碳” 战略目标，强调我国经济要向绿色低碳循环发展方向转变。此外，当前以人工智能（Artificial Intelligence）、区块链（Blockchain）、云计算（Cloud Computing）、大数据（Big Data）等“ABCD” 技术为核心的新一代产业革命加速兴起，数字化正逐渐成为制造企业实现绿色低碳发展的重要突破点［1］。
然而，目前探究企业数字化绩效后果方面的研究主要集中于探讨企业数字化对企业财务绩效［2］、创新绩效［3］的影响上，较少关注企业数字化对企业碳排放的影响关系。更重要的是，当前仅有的关注企业数字化与企业碳排放关系的经验研究，几乎都聚焦于探讨企业数字化对企业碳排放强度的影响上，认为企业数字化有助于提高企业碳排放强度，降低企业单位碳排放［4，5］。然而，杰文斯认为新技术的采用虽然有助于提高能源强度，但同时也会刺激规模经济、加剧能源消耗，进而增加环境污染（又称“杰文斯悖论”）［5］。因此，在数字经济时代背景下，企业数字化能否降低企业碳排放量还值得深入探究。尤其在当前环境下，不同于2009 年与2015 年我国仅将碳排放强度作为减排目标，2020 年以来的“双碳” 政策除了关注碳排放强度，更强调按照排放总量来核算企业碳减排成效，直接将减排目标聚焦在碳排放总量之上。因此，相比于企业碳排放强度，关注企业数字化是否有助于降低企业碳排放量更具现实指导意义。
除此之外，当前有关企业数字化与企业碳排放关系的研究，还主要聚焦于企业数字化的碳减排作用机制上［4］，缺乏对相关权变因素的探究。服务化定义了产品制造商的价值创造与获取来源从单一产品提供向综合服务提供转变的过程［6］。这种转变使企业的业务模式不断从产品生产，向服务提供方向拓展［7］。本文认为，企业数字化在本质上就是企业在业务流程中采用数字技术。它通过软硬件结合的方式为企业的业务发展提供技术支持，并始终与经营战略及业务模式保持一致［8］。因此，当企业的业务模式由于服务化而发生转变时，企业的数字技术应用场景也会随之改变［9］，从而影响企业建立在数字技术基础之上的生产模式与规模，进而影响企业能源消耗与碳排放量。由此可见，企业服务化可能会影响企业数字化与企业碳排放量之间的关系。因此，本文从服务化角度进一步分析企业服务化程度对企业数字化与碳排放量关系的调节作用。
基于此，本文在已有研究基础上，利用我国A 股上市制造企业数据，从微观视角实证检验数字经济时代下“杰文斯悖论” 是否存在，即企业数字化是否有助于降低企业碳排放量，并进一步分析企业服务化程度对二者关系的调节作用。本文通过考察制造企业数字化与碳排放量的关系，拓展了企业数字化及其碳排放方面的研究；从服务化角度深化企业数字化对企业碳排放量的影响机制分析，解开企业数字化与企业碳排放总量之间的机制“黑箱”，为制造企业破解杰文斯悖论，更好基于数字化进行碳减排提供理论指导。
1 理论分析与研究假设1.1 制造业企业数字化与企业碳排放将人工智能、区块链、云计算、大数据等“ABCD” 技术嵌入现有业务流程的过程被称为数字化［10］。企业碳排放来源于企业运营、工业制造与废物处理等环节的资源与能源消耗［11］。现有研究普遍认为，企业数字化能否促进企业碳减排的关键在于，企业在业务流程中采用数字技术是否有助于减少资源与能源消耗［12］。Lange 等（2020）［13］将数字化对碳排放量的影响分为直接影响与间接影响，其中间接影响又包含技术间接效应、结构间接效应与规模间接效应。他认为数字化能否降低企业碳排放取决于这4 种效应的净效应。
从技术间接效应来看，制造企业数字化有助于提高生产效率，降低企业单位产品碳排放。具体而言，企业基于传感器、CPS 架构，可实现对能源消耗数据的精准监测并推动能源高效配置与调度，从而提高能源使用效率［14］；利用区块链、大数据等技术，制造企业能够有效汇聚各流程关键信息［15］，从而加快数据资源整合、实现制造资源的优化配置并提高生产效率，进而降低单位产品能源消耗［16］。从结构间接效应来看，制造企业数字化有助于改进企业生产工艺并促进精益生产，推动制造企业从原有粗放式发展模式向精益式创新驱动发展模式转变［17］。这种转变通过促进制造企业减少污染密集型生产活动，降低企业能源消耗与碳排放量［18］。
与上述观点相悖，从直接影响效应来看，制造企业数字化通常建立在大量数字元器件与算力之上，同时还会面临海量的数据搜集、处理与储存等问题。因此制造企业数字化需要大量能源密集型基础设施的支持，而这往往会加剧企业能源消耗，增加碳排放量［19］。更重要地，从规模间接效应来看，由数字化所导致的生产效率提升会引发一系列反弹效应（Rebound Effect），使能源消费规模不减反增［13］。其中，杰文斯认为经济增长被认为是最主要的反弹效应来源［5，20］。在经济快速发展阶段，制造企业通常不会维持原有生产规模，而是会在生产效率提升的基础上，投入更多生产要素，扩大生产规模，以应对日益增长的消费需求［21］。而生产规模的扩大会进一步增大制造企业能源消耗规模，增加碳排放量。一些学者认为，这种反弹效应往往大到足以抵消由技术间接效应与结构间接效应所导致的能源节省量［22］。
综上所述，本文认为虽然企业数字化在提高能源效率等方面存在优势，但直接影响效应与规模间接效应的存在可能会使企业能源消费增量大于由技术间接效应与结构间接效应所导致的能源节省量。因此，本文提出以下假设：
H1a：制造企业数字化减少了企业碳排放量。
H1b：制造企业数字化增加了企业碳排放量。
1.2 制造企业服务化对数字化与碳排放关系的调节服务化是指产品制造商的价值创造与获取来源从单一产品提供向综合服务提供转变的过程［8］。该过程不仅描述了用户作为价值感知主体在企业价值创造过程中愈发重要的作用，更强调了企业的业务方向与价值获取来源不断从产品提供向服务提供转变［7］。当企业进行服务化时，为保证对服务需求的及时响应并提升服务交付的灵活性，企业通常会将更多人力资本、知识资本与技术要素嵌入生产经营流程中，以提升组织应对服务化需求的敏捷性［23］。此时，这种由服务化所导致的组织敏捷性会进一步提升企业数字化的技术间接效应与结构间接效应，即提高企业数字化对资源的配置与利用效率，从而提高企业生产效率，促进精益生产，降低资源与能源消耗。
此外，将客户需求、偏好与行为等信息嵌入生产过程被认为有助于部分替代自然资源投入［24，25］，降低企业数字化的规模间接效应。随着企业服务化程度的不断提高，企业积累的客户需求、偏好与行为信息等无形服务要素不断增加［26］。此时，企业采用数字技术将越来越多的无形服务要素嵌入生产环节，能进一步增强对资源与能源投入的替代作用，降低数字化生产过程中的资源与能源消耗。当企业服务化程度越高时，产品逐渐成为企业获取服务收益的载体、充当服务的附属品，企业将更关注如何在现有产品基础上提供更多服务来获取价值，而不是通过产品销售创造收益［8，26］。此时，企业数字化将更多服务于服务创造与交付，而减少数字化生产规模［9］。如企业利用数字技术为客户提供远程维修与保养等服务，在一定程度上促进了客户“以维修代替购买”、“以保养代替以旧换新”，减少客户对产品的购买。又如，制造企业利用数字技术将软件服务与产品绑定，可以使客户不需要通过频繁更换产品来获取新功能，而仅仅需要他们去更新与产品绑定的软件服务即可实现，这有助于减少客户对产品的需求。由此可见，这些寻求功能最大化意图的方式，将减少客户对实质性产品的消耗［27］，从而在一定程度上降低数字化生产规模，减少能源消耗与碳排放。综上，本文提出以下假设：
H2：制造企业服务化有助于调节企业数字化与企业碳排放量的关系。
2 研究设计2.1 样本选择与数据来源本文以2012～2020 年我国A 股上市制造企业作为研究样本。该样本期间的选择依据在于：（1）2012 年，国务院发布《“十二五” 国家战略性新兴产业发展规划》，开始强调推动物联网、云计算、数字虚拟等技术与工业相融合，发展新一代战略性新兴产业；（2） 《中国能源统计年鉴》 公布的行业碳排放数据仅更新至2020 年。在此基础上，本文剔除了ST、∗ST 等公司样本与数据缺失的样本数据。相关变量数据来源于WIND、CSMAR 与CNRDS 数据库。
2.2 变量测量（1） 被解释变量：企业碳排放量。参考陈小蓓和陈雪婷（2021）［28］、赵玉珍等（2021）［29］的研究，①根据国家能源折算标准与能源碳排放系数，将各制造行业的能源消耗量折算为各制造行业的碳排放总量；②按照各制造业企业营业总成本占所属行业的主营业务成本的比值，计算各制造业企业的碳排放量；③对各企业的碳排放量求对数，用LNCE表示。具体公式如下：
（2） 解释变量：企业数字化，由企业数字化程度衡量。参照吴非等 （2021）［30］、李青原等（2023）［31］的研究，本文采用人工智能、区块链、云计算、大数据等数字技术及其应用的相关关键词在年报中出现的频次来衡量企业数字化程度；将各关键词在年报中出现的频次数据加总，再加上1 之后进行对数化处理，并以此作为企业数字化程度的代理变量。
（3） 调节变量：企业服务化，由企业服务化程度衡量。参照赵宸宇（2020）［32］的方法，采用服务业务收入占主营业务收入的比例衡量企业服务化程度。
（4） 控制变量：参照楼永等（2022）［33］、赵凤等（2016）［34］的研究，本文选取以下变量作为本文的控制变量（见表1）。
表1 变量描述与测量
2.3 模型设计在Hausman 检验基础上，本文采用固定效应模型检验制造企业数字化对其碳排放量的影响，并进一步检验企业服务化对二者关系的调节作用。主要模型设定如下所示：
其中，α0表示截距项，β表示各变量的回归系数，controli，t是加入的控制变量，cdigiti，t与cservei，t分别表示中心化后的数字化与服务化数据。Code、Year与Ind分别表示企业个体、年份与行业固定效应，εi，t表示误差干扰项。为避免极端异常值对回归结果的影响，利用Winsorize 命令对主要连续变量进行1%缩尾处理，并在此基础上进行标准化以排除量纲差异。
3 实证结果及分析3.1 描述性统计与相关性分析表2 报告了描述性统计与相关性分析结果。结果显示，制造企业碳排放均值为7.777，标准差为2.35，说明制造企业间的碳排放量存在较大差异。同时，数字化程度平均值为1.914，标准差为1.045，表明制造企业间的数字化水平还处于较低水平，且差异较大。相关性分析表明，本文变量之间不存在严重的多重共线性问题。虽然制造企业数字化与企业碳排放量的相关系数为－0.192，在1%水平上显着，与假设H1a 相反。但相关性检验未考虑其他控制变量，因此需要进一步回归分析。
表2 描述性统计与相关性分析
3.2 回归分析表3 报告了制造企业数字化与企业碳排放量关系的逐步回归检验结果，与服务化程度的调节效应结果。在不添加任何控制变量情况下，模型（1） 结果显示，企业数字化（Digit）的回归系数为0.032，且在1%的水平上显着，初步说明制造企业数字化会增加企业碳排放量。模型（2） 在纳入控制变量情况下显示，企业数字化的回归系数在1%的水平上继续保持显着，支持预期假设H1b，“杰文斯悖论” 现象存在。模型（3） 进一步分析了服务化的调节作用，结果显示数字化与服务化交互项（Digit∗Serve）的回归系数为－0.005，在10%水平上显着，表明制造企业服务化会显着负向调节企业数字化与企业碳排放量的正向关系，支持预期假设H2。
3.3 稳健性检验采用以下3 种方式对假设H1a 与H1b 进行稳健性检验，核心结论未发生实质性改变。
（1） 借鉴吴非等（2020）［30］相关研究，基于数字化转型口径对企业数字化指标进行分解。企业数字化是包含不同结构特征技术差异的谱系概念，可向下分解为“数字底层技术层面” 与“数字技术应用层面”。其中“数字底层技术层面” 包含“人工智能技术” （AI）、“区块链技术” （BC）、“云计算技术” （CC）与“大数据技术” （BD）4 个子维度。采用各数字技术子维度相关关键词在年报中的出现频次分别衡量企业数字底层技术层面的数字化各维度现状。同时采用数字化应用的相关关键词衡量企业“数字技术应用” （ADT）层面的数字化现状。见表4 中模型（4）～（8），结论基本稳健。
表4 稳健性检验
（2） 改变数字化测量方式。参考袁淳等（2021）［35］、肖土盛（2022）［36］的研究，采用企业数字化关键词的总词频除以年报MD＆A 语段长度来衡量微观企业数字化程度（Per＿digit），相关结论未发生实质性改变，见表4 模型（9）。
（3） 剔除部分样本。考虑到重大不利金融事件可能会阻碍制造企业数字化实践，因此本文剔除2015 年中国股灾时期的制造企业样本，相关结论未发生实质性改变，见表4 模型（10）。
参照Mathieu （2001）［37］、Eggert 等（2014）［38］的方法，利用顾客支持服务（Serve2）收入数据用作稳健性检验，核心结论未发生实质性改变，见表4 模型（11）。
3.4 内生性检验为避免内生性问题对结论的影响，本文采用解释变量滞后与双重差分两种方法进行内生性检验。
（1） 本文采取对核心解释变量滞后1～3 期的方式，来避免互为因果的干扰。结果表明，制造企业数字化会显着增加企业碳排放量，且该促进作用不会随着时间观察窗口的延长而显着衰减。
（2） 为避免遗漏变量偏误等问题，本文借鉴郑建明等（2018）［39］的研究，采用多期双重差分模型（DID），对制造企业实施数字化前后进行两次差分。结果表明，制造企业在实施数字化后，碳排放量会显着增加，结论依旧保持高度一致（由于篇幅限制，未报告内生性检验结果）。
3.5 制造企业数字化影响企业碳排放量的异质性检验考虑到不同企业属性可能会对制造企业数字化与碳排放的关系产生非对称性影响，（1） 参照阳立高等（2014）［40］的研究，按照要素密集度将制造企业划分为劳动密集型、资本密集型与技术密集型企业。表5 模型（12）～（14） 结果显示，劳动密集型企业数字化比技术密集型企业数字化会导致更多的碳排放；（2） 按照所有制属性将制造企业样本划分为国有企业与非国有企业。结果如表5 模型（15） 与模型（16） 所示。与国有企业相比，非国有企业数字化会显着促进碳排放（t ＝3.53）。
表5 异质性检验
4 结论及启示在“双碳” 目标以及数字经济时代背景下，本文基于2012～2020 年我国A 股上市制造企业样本，实证研究企业数字化与碳排放量之间的复杂关系，并在此基础上进一步探究服务化的调节作用。相关结论如下所示：（1） 制造企业数字化显着增加企业碳排放量，且在进行了一系列稳健性与内生性检验之后结论仍然保持高度一致，数字经济时代背景下“杰文斯悖论” 依然存在；（2）企业服务化负向调节企业数字化与碳排放的正向关系，说明企业服务化有助于抑制数字化对碳排放量的促进作用；（3） 异质性检验结果表明：相比于技术密集型企业，劳动密集型企业数字化会导致更多碳排放量；且与国有企业相比，非国有企业数字化会显着增加碳排放量。
本文结论对企业管理实践具有一定启示：（1）对制造企业如何更好开展碳减排实践具有指导意义。制造企业想要减少碳排放总量，除了要致力于减少单位产品能耗、降低碳排放强度以外，更重要的是要使企业经济发展与能源消耗脱钩，避免在增加产品供给时产生更大程度上的能源消费反弹［16］。具体而言，企业可以通过数字化提升企业生产效率，以降低单位能源消耗。同时开展服务化，通过增加无形服务供给部分替代有形产品生产，来减少能源消费规模，使企业在促进经济增长的同时，减少碳排放，实现企业经济发展与能源消耗的部分脱钩；（2） 对制造企业如何向高质量发展提供指导借鉴。在当前我国制造企业向价值链中高端环节攀升的过程中，制造企业应加快数字化服务化协同转型，在开展企业数字化的同时，同步推进企业服务化。已有研究表明，企业服务化通过为企业数字化提供盈利场景［11］，有助于企业提高经济绩效；另外，通过抑制企业数字化所增加的碳排放，服务化又有利于改善企业的环境绩效、减少碳排放。因此，制造企业数字化服务化协同发展不仅是推动企业向价值链高端环节攀升的重要驱动，同时也是企业绿色低碳循环发展的重要动力，能促进企业在经济与环境方面“双赢”。
本文还存在以下研究不足，需在未来进一步研究。如除企业服务化以外，是否还有其他调节因素会对企业数字化与企业碳排放量之间的关系造成影响。此外，本文仅关注企业数字化与企业碳排放总量之间的线性关系，尚未对二者的非线性关系进行深入探讨。对上述研究问题的回答，有助于深化企业数字化对企业碳排放量影响机制的研究、为企业数字化碳减排实践提供更全面的指导。
