ESG表现对汽车制造业上市公司绿色创新能力的影响研究

力的多维影响机制。研究发现：（1）ESG 表现每提升1 分，绿色创新能力显著增加21.7%，表明 ESG 建设能有效促进低碳技术创新；（2）数字化转型在 【摘要】在“双碳”目标加速推进的背景下，汽车制造业作为我国工业领域碳排放的重要来源，其绿色低碳转型对实现 2030 年碳达峰目标具有关键作用。本文选取 2020-2024 年期间汽车制造业上市公司连续 5 年的综合数据，运用实证研究方法，系统检验ESG 评级对企业绿色创新能 者间起部分中介作用，贡献度8.3%，揭示 “ESG-数字化-绿色创新”的传导路径；（3）非国有企业（β=0.162**）ESG 表现对汽车制造企业绿色创新能力的促进作用，比国有企业（β=0.214ns）更为显著。研究不仅丰富了绿色创新能力的驱动因素研究，更为汽车制造业通过ESG 实践助力 目标达成提供了实证支持。研究建议企业将 ESG 纳入创新战略体系，政策层面可考虑将ESG 评级与碳减排补贴挂钩，形成市场化激励机制。

1.引言

在应对全球气候治理体系深刻变革的新形势下，中国创新性地提出“2030 年前碳达峰、2060 年前碳中和”的战略部署，这一重大决策正在系统性重构产业演进路径。作为国民经济支柱 业是建排设的重更来源 （约占全国总量的 10%），也是实现交通领域低碳转型的关键突破口。特别是在欧盟实施碳边境调节机制 国汽车产业亟需通过技术创新突破碳壁垒，实现绿色低碳发展。ESG（环境、社会和治 现有研究表明，良好的 ESG 表现能够降低企业融资成本、提升市场价值 ，如何通过ESG 实践激发企业绿色创新活力，成为亟待解 板数据，采用实证定量分析方法，全面分析环境社会治理 重路径促进创新：一是直接的“资源效应”，高 ESG 评级企业更 ESG 驱动的数字化转型显著提升绿色创新效率。研究还进一步揭示了不同产权 ESG 经济后果的研究维度也为汽车制造企业实现低碳转型提供了实践启示

2. 理论分析与研究假设

2.1 ESG 表现与绿色创新

基于利益相关者理论和资源基础观，良好的 ESG 实践有助于企业协调政府监管、投资者预期和消费者偏好等多方诉求，形成独特的战略资源禀赋。在“双碳”目标背景下，高ESG 表现的汽车企业可获得三重竞争优势：其一，优先获取绿色债券、碳金融等专项融资支持；其二，更易通过国际供应链的碳足迹认证；其三，在环保意识觉醒的市场中获得品牌溢价。这些优势共同构建了绿色创新的资源基础和市场动力，由此提出：

H1：汽车制造企业的 ESG 表现水平与绿色创新能力存在相应的正相关关系。

2.2 ESG 表现与数字化转型（H2）

根据技术-组织-环境（TOE）框架，ESG 驱动数字化转型的机制体现在：在技术层面，为满足环境（E）维度的碳排放监测需求，企业会引入物联网、大数据等技术；在组织层面，治理（G）维度的要求促使企业建设数字化管理系统；在环境层面，社会（S）责任压力推动供应链数字化协同。特别是在“双碳”背景下，数字化已成为实现精准减排的必要手段。由此提出：

H2：汽车制造企业的 ESG 表现水平与其数字化转型程度存在相应的正相关关系。

2.3 数字化转型的中介作用（H3）

基于知识基础观和能力-动机-机会（AMO）理论，数字化转型通过三维度促进绿色创新：能力维度（AI 加速材料研发）、动机维度（数据可视化强化环保意识）、机会维度（云平台实现协同创新）。具体而言，数字技术可降低绿色创新的三大壁垒：技术不确定性（通过模拟仿真）、市场风险（通过需求预测）、管理复杂度（通过智能决策）。由此提出：

H3：数字化转型在汽车制造企业 ESG 表现水平与绿色创新能力的关联机制中发挥相应的中介效应

3.研究设计

3.1 样本数据

本文首先依据《上市公司行业统计分类与代码》（中国证监会，2024 年 11 月版）的行业标准，选取汽车制造业为行业分析对象。其次进一步选取2020-2024 年中国 A 股汽车制造业 127 家上市公司为研究对象，构建了包含财务数据、ESG 表现、数字化转型、绿色创新等多个维度的综合数据集。其中，财务数据采集自同花顺（IFIND）、东方财富（CH0ICE）、国泰安数据库（CSMAR）等权威金融平台；ESG 表现得分及评级数据取自于华证 2020-2024 年的 ESG 评级原始数据；数字化转型程度数据来自于参考吴非等（2021）的研究方法，通过 Python文本分析技术对企业年报中“人工智能”、“区块链”、“云计算”等关键词进行词频统计和标准化处理；绿色创新能力数据参考绿色技术数据库（WIPO）、专利分析平台（Derwent Innovation）、智慧芽专利检索系统等多个数据平台数据后，选用中国研究数据服务平台（CNRDS）的权威数据作为衡量依据[1]。综合收集数据后，对收集到的数据进行严格的整理，剔除部分存在 ST、*ST 风险警示的企业样本，同时排除关键财务数据缺失率超过 20%的观测值，保留部分财务数据完整的 ST 企业作为对照样本，最终构建了具有代表性和时效性的研究数据基础，以备软件 SPSS26.0 进行计算和分析。

3.2 变量定义

本研究构建了包含四类变量的指标体系。

被解释变量绿色创新能力（Green Innovation Capability）LnGIC1 采用企业绿色发明专利与实用新型专利申请总量加 1 取自然对数衡量[1]，全面反映低碳技术创新产出，LnGIC2 采用企业绿色发明专利申请总量加 1 取自然对数衡量，用以替换 LnGIC1 进行模型的稳健性检验[2]。解释变量 ESG1（Environment Social Governance）表现评级依据华证 ESG 评级中的原始分级情况，按 1～9 的得分赋予 C～AAA 九个等级来衡量，ESG 得分越高的企业表现越好，ESG2 表现直接采用华证 ESG 评级中的原始得分情况来衡量，用以替换 ESG1 进行模型的稳健性检验。

中介变量数字化转型（Digital Transformation）DT 通过文本分析法测算汽车制造业上市公司年报中“大数据”“人工智能”、“区块链”、“云计算”等关键词频率占比，并通过标准化处理后来衡量。

控制变量体系包含 14 个指标：企业特征 2 个（规模 Size、成立时长 FirmAge）；财务状况 6 个（杠杆率 Lev、资产收益率 ROA、净资产收益率 ROE、现金流Cashflow、增长率 Growth、亏损 Loss）；治理结构3 个（两职合一 Dual、第一大股东持股比例Top1、四大会计师事务所 Big4）[3]；市场表现 3 个（托宾 Q 值 TobinQ、资产周转率 ATO、资金占用 Occupy）。

3.3 主要变量描述性统计

从表 1 中展示的统计结果来看，被解释变量绿色创新能力（LnGIC1）呈现显著异质性特征：均值0.641 与中位数0 的差异表明数据呈右偏分布，标准差 1.362 反映企业间差异明显，其中超 50%样本企业尚未实现绿色创新产出。解释变量ESG1 评级得分的均值（4.017）与中位数（4.000）相近，分值分布在 1～8 分之间，标准差为1.093，反映行业整体 ESG 表现处于中等水平。中介变量数字化转型（DT）的均值仅为0.066，最大值为 0.756，说明汽车行业的数字化进程整体处于初级阶段。控制变量中企业规模（Size）的分布相对对称，财务指标方面，杠杆率（Lev）均值为0.467，ROA 和ROE 均值分别为 0.028 和 0.023，显示行业整体负债水平适中但盈利能力较弱。值得注意的是，14.3%的样本企业处于亏损状态（Loss），29.6%采用两职合一（Dual）的治理结构，7.6%由四大会计师事务所审计（Big4）。各变量的最大值与最小值差异显著，为后续分析提供了良好的变异性基础。

3.4 模型构建

基于前文的理论分析与变量定义，本研究构建以下3 个计量经济模型来检验 ESG 表现对汽车制造业绿色创新能力的影响机制：

Ln G IC1i，t = α0 + α1ESG1i，t + σ γj Controlsj，i，t + μi + λt + εi，t（模型 1）

DTi，t = β0 + β1ESG1i，t + σ γj Controlsj，i，t + μi + λt + εi，t（模型 2）[3]

Ln G IC1i，t = γ0 + γ1ESG1i，t + γ2DTi，t + σ γj Controlsj，i，t + μi + λt + εi，t（模型 3）

其中，Ln G IC1i，t（被解释变量）表示绿色创新能力；ESG1i，t（核心解释变量）表示企业ESG 表现水平[4]；DTi，t（中介变量）表示企业数字化转型程度；Controlsj，i，t（控制变量）涵盖 14 个指标；μi为企业固定效应，λt为时间固定效应，εi，t 为误差项[5]。模型 1 用于验证假设 H1，模型 2 用于验证假设 H2，模型 3 用于验证假设 H3。

4.实证分析

4.1 相关性分析

表2 展示了主要变量的 Pearson 相关系数矩阵。核心发现如下：首先，ESG1 表现与绿色创新能力（LnGIC1）呈显著正相关（r=0.314，p<0.01），初步验证了H1 的预期。其次，DT 与绿色创新的相关系数为 0.082（p<0.05），与ESG1 评级的相关系数为 0.104（p<0.01），这为后续中介效应检验提供了初步支持。值得注意的是，企业 Size 与绿色创新能力（LnGIC1）的相关性最高（r=0.597，p<0.01），暗示大企业可能具有更强的创新资源禀赋。财务控制变量 ROA 与ESG1 表现显著正相关（r=0.285，p<0.01），而亏损状态（Loss）与 ESG1 表现显著负相关（r=-0.216，p<0.01），表明财务健康的企业有更好的 ESG 表现。此外，四大审计（Big4）与绿色创新能力（LnGIC1）的强相关性（r=0.517，p<0.01）提示审计质量可能影响创新活动。

4.2 回归性分析

模型 1 基准回归模型（直接效应模型）检验了 ESG 表现对绿色创新能力的显著促进作用。结果显示，ESG 表现每提升 1 分，绿色创新能力显著增加21.7%（β=0.217，p<0.01），证实了H1 假设。企业规模（β=0.466）和四大审计（β=1.502）同样表现出显著促进作用，而财务指标影响较弱。模型调整 R²达 0.461，说明变量选择合理。值得注意的是，资金占用（β=12.506）显示出异常强的正向影响，这可能反映了关联交易对创新的特殊作用机制。

C1it =− 10.939 + 0.217ESGit + 0.466Sizeit − 0.220Levit − 0.034ROAit +0.1ROEit − 0.223ATOit − 0.898Casℎflowit − 0.107Growtℎit +0.142Lossit + 0.133Dualit − 0.267Top1it + 0.193TobinQit

（公式 1）

−0.011FirmAgeit + 12.506Occupyit + 1.502Big4it + εit

模型2 数字化转型决定模型（第一阶段中介模型）检验了 ESG 表现对数字化转型（DT）的影响。ESG 表现显著促进数字化转型（β=0.008，p<0.01），但影响程度较小。现金流（β=-0.159）和托宾 Q 值（β=0.034）对数字化具有显著影响，而企业规模等变量影响不显著。模型解释力相对较低（调整 R²=0.179），表明数字化还受其他未观测因素影响。企业成立时长（β=0.078）的显著正向影响暗示历史积淀有助于数字化转型的投入。

DTit =− 0.265 + 0.008ESGit + 0.000Sizeit − 0.019Levit + 0.054ROAit −0.003ROEit + 0.017ATOit − 0.159Casℎflowit − 0.013Growtℎit

−0.009Lossit − 0.010Dualit + 0.021Top1it + 0.034Tob +0.078FirmAgeit − 0.352Occupit + 0.006Big4it + μit

模型 3 完整中介效应模型（第二阶段中介模型）通过引入数字化转型（DT）变量，系统检验了“ESG-数字化-绿色创新”的传导路径。模型结果显示，在控制 DT 后，ESG 表现对绿色创新能力的直接效应系数为 0.207（t=5.118，p<0.01），较基准模型下降 4.6%，而 DT 的回归系数达 1.195（t=2.389，p<0.05），中介效应占比7.6%，证实了数字化转型在ESG 表现与绿色创新能力间存在部分中介作用。企业规模（β=0.467）和四大审计（β=1.494）保持显著正向影响，资金占用（β=12.927）效应进一步增强，暗示其可能通过数字化渠道间接促进绿色创新。模型调整 R²提升至0.465，F 值 35.507（p=0.000），说明引入 DT 后模型解释力显著改善。（见表 3）

−0.098ROAit + 0.104ROEit − 0.243ATOit − 0.707Casℎflowit

−0.091Growtℎit + 0.152Lossit + 0.145Dualit − 0.292Top1it （公式 3）

+0.152TobinQit − 0.104FirmAgeit + 12.927Occupyit

+1.494Big4it + ηit

表 3.回归分析三模型数据表

4.3 稳健性检验

本研究通过三重稳健性检验确保结论可靠性（见表 4）。首先，将被解释变量 LnGIC1 替换为LnGIC2，ESG 系数保持显著正向（模型 1：β=0.213，t=5.619；模型 3：β=0.204，t=5.383），且数字化转型的中介效应仍然成立（β=0.989，t=2.109），调整 R²达 0.482，证实结果不受专利指标构造方式影响。其次，采用华证 ESG2 原始评分替代分级转换值 ESG1 后，核心结论稳健（模型 1：β=0.046，t=5.56；模型 3：β=0.044，t=5.309），且数字化转型中介效应增强（β=1.193，t=2.39）。最后，替换 Robust 回归模型结果显示，在控制异方差和异常值后，ESG1 影响系数（模型 1：β=0.081，t=4.827；模型 3：β=0.075，t=4.492）和数字化转型 DT 中介效应（β=0.789，t=3.809）均保持 1%显著性水平。三重检验中，控制变量方向与显著性整体稳定，企业规模、四大审计等关键变量始终显著，F 值均通过 1%显著性检验（p=0.000），表明研究结论具有高度的方法论稳健性。

4.4 异质性检验

基于产权性质的分组后，回归结果揭示了 ESG 创新效应的显著差异（见表 7）。在非国有企业样本中，ESG 表现对绿色创新能力的促进作用显著且稳健（β=0.162，p<0.01），数字化转型的中介效应符合预期（β=0.873）；而国有企业样本中 ESG 表现系数未达显著水平（p>0.1），但数字化中介效应异常增强（β=1.467）。这种差异可能源于：一方面，非国企更注重ESG 的市场价值转化，能快速将ESG 优势转化为创新产出；另一方面，国企受多重政策目标约束，其创新活动更多受行政指令驱动而非 ESG 因素影响。值得注意的是，企业规模在两组均显著但影响程度差异明显（国企β=0.594 vs 非国企β=0.352），反映规模效应对国企创新的特殊价值。此外，国企组的资金占用（β=23.535）和第一大股东持股（β=-2.485）表现出反常的强效应，暗示国有产权可能改变某些变量的作用机制。所有模型均通过1%水平的F 检验（p=0.000），调整 R²保持在合理区间（0.44-0.47），证实分组结果的可靠性。这些发现说明市场化程度更高的非国企更能将 ESG 优势转化为创新成果。

5.研究结论与对策建议

5.1 研究结论

本研究基于制造业上市公司5 年的面板数据，综合运用华证ESG 评级体系和绿色专利授权数据，采用固定效应模型和中介效应分析方法，系统性地实证检验了企业 ESG 表现对绿色技术创新能力的影响机制及其传导路径。主要研究结论有三点：第一，ESG 表现显著促进企业绿色创新，每提升1 分可使绿色专利申请量增加 21.7% 论通 过替换变量 、变更模 型等稳健性检验；第二，数字化转型在ESG 与绿色创新间起部分中介作用（贡献度 8.3%），揭示“ESG-数字化-绿色创新”的传导路径；第三，异质性分析显示非国有企业的 ESG 创新效应更显著，表明市场化程度是重要调节因素。研究证实，在 “双碳”目标约束下，ESG 实践能有效激发企业低碳技术创新活力，但政策效果受企业产权性质影响。

5.2 对策建议

基于研究发现，建议构建“政企协同”的 ESG 创新促进体系： 企业层面应建立 ES 与数字化战略的深度融合机制，重点推进三项关键举措——构建基于工业互联网的碳足迹智能监 ；开发 ESG 导向的开放式创新系统，整合供应链绿色技术资源；优化治理结构，国有企业需将ESG ，民营企业重点强化ESG 品牌建设与市场转化。政策层面需完善“激励-约束- 核心指标，对表现优异企业给予绿色通道支持；设立规模不少于 100 亿元 0%加计扣除；在碳排放权交易试点中创新“绿色专利减排量抵扣”机制， 排放配额；建立区域性的“ESG-数字化”创新联盟，提供技术评估、人才培 为抓手的绿色创新活力，加速“双碳”目标实现。

参考文献

[1] 项东，魏荣建. ESG 信息披露、媒体关注与企业绿色创新 [J]. 武汉金融， 2022， （09）： 61-71.

[2] 孟庆斌，侯粲然，鲁冰. 企业创新与违约风险 [J]. 世界经济， 2019， 42 （10）： 169-192. DOI：10.19985/j.cnki.cassjwe.2019.10.009.

[3] 毕茜，孙艳. ESG 评级差异与投融资期限错配 [J]. 上海金融， 2024， （03）： 68-79. DOI：10.13910/j.cnki.shjr.2024.03.006.

[4] 陈云翠. 数字化转型对企业持续绿色创新的影响研究[D]. 河南大学， 2023. DOI：10.27114/d.cnki.ghnau.2023.000997.

[5] 曹林楠. 数字化转型、融资约束与企业环境绩效 [J]. 老字号品牌营销， 2025， （10）： 194-196.

作者简介：姚兰（1989.11），女，汉族，人研究生，讲师，产业经济学。