经济理论与经济管理杂志已发表格式范文参考
1.数据资产化对制造业绿色转型的影响研究
作者：曾先峰,苏文鑫
作者单位：西安外国语大学
关键词：数据资产化;绿色转型;供应链协同;融资约束;TOE框架
[摘 要] 基于2011—2023年中国A股3391家制造业上市公司微观数据的研究发现，数 据资产化每增加一个标准差，企业绿色转型水平将提高4.86%。机制分析结果表明，数据资 产化通过强化供应链协同和缓解融资约束促进制造业企业绿色转型。异质性分析结果显 示，数据资产化在推动高科技行业企业、高管绿色认知强的企业以及处于低数字化水平地 区的企业绿色转型方面作用显著。
一、引言
作为国民经济的支柱产业，制造业长期依 托资源密集型粗放发展模式，在经济增长、就业 吸纳与技术创新中作用显著，但存在资源错配、 环境污染等结构性矛盾。党的二十大报告明确 提出“推动制造业高端化、智能化、绿色化发 展”。中共二十届三中全会进一步强调，要加快 绿色科技创新和先进绿色技术推广应用，做强 绿色制造业，发展绿色低碳产业和供应链，构建 绿色低碳循环经济体系。
然而，实践中企业绿色转型面临绿色技术 研发能力不足、供应链协同成本高企、逆全球化 冲击、世界经济低迷与国内绿色消费品需求不 足等多重挑战，导致微观主体转型动力严重 不足。为此，2024年《关于加快经济社会发展全 面绿色转型的意见》首次提出“数字化与绿色化 协同”国家战略，强调以数据要素赋能绿色技术 突破与产业生态重构。
现有文献主要研究数字化转型对企业绿色 转型的影响。以大数据和人工智能为代表的数 字化技术转型加速企业创新流程，正成为企业 绿色转型的关键动力。而企业组织架构转型通 过优化人力资本结构、提升内部治理效能和研 发投入强度，系统性增强企业绿色技术创新能 力（李鑫等，2023）。另外，数据驱动的治理转型 通过缓解信息不对称、强化外部监督以及优化 投资决策，形成绿色创新的市场激励机制（高明 等，2024）。同时，数据治理转型通过赋能环境 监测能力、缓解融资约束以及提升信息披露质 量，形成绿色转型的制度驱动力（任英华等， 2023；李金昌等，2023）。在数据资源利用方面， 数据开放与流动促进生产流程优化，通过提高全要素生产率实现传统产业绿色化改造（陈晓 佳和徐玮，2024）。数据共享机制打破产业边 界，构建绿色产业协同创新网络（王佳元，2022）。
既有研究多关注数据治理转型、数据资源 利用和共享在缓解信息不对称、强化监督约束、 优化生产流程及提升生产效率等方面的积极作 用，对数据资产化促进企业，特别是制造业企业 绿色转型的具体机制及量化评估研究较少。 鉴于此，该文以 2011—2023 年中国 A 股 3391 家制造业上市公司微观数据进行实证研 究，为数据资产化提升制造业企业绿色转型水 平提供理论和定量依据。边际贡献在于：第一， 基于信息经济学、外部性理论和动态能力理论 视角，系统剖析数据资产化促进制造业企业绿 色转型的内在机理，拓展了数据要素与传统产 业融合的理论边界。第二，从强化供应链协同 和缓解融资约束两个视角阐释数据资产化影响 制造业企业绿色转型途径。第三，基于 TOE 框 架从技术属性、管理者绿色认知与地区数字化 水平三重视角解析了数据资产化赋能绿色转型 的异质性效应。
二、理论分析与研究假设
（一）数据资产化促进制造业企业绿色转型 的内在机理分析
制造业绿色转型的核心在于依托信息化与 工业化的深度融合，实现生产全流程的绿色化 改造。作为数字经济时代的重要产物，数据资 产正在深刻重塑制造业绿色转型的路径和效 能。基于信息经济学理论，数据资产化显著降 低环境信息的获取与处理成本，使制造业企业 能够更精准地监测生产过程中的资源消耗与污 染排放（李金昌等，2023），有助于企业准确识别 绿色转型的关键环节，从而有效提升能源利用 效率并减少废弃物排放。与此同时，数据确权 和标准化流程的完善有效消除环境绩效评估中 的不确定性，降低企业合规成本，并减少由于信 息不对称引发的市场负面评价。
根据外部性理论，数据资产化为环境正外 部性的内部化提供了有效途径。传统制造业绿 色技术投资常面临市场回报不足的困境，而数 据资产化可以量化企业的减排成效和资源节约 行为，并转化为可交易的数字资产（苏睿芯等， 2023）。这一转变不仅直接创造了新的价值增 长点，还通过市场化机制为绿色转型提供持续 的经济动力。
从动态能力理论角度，数据资产化显著增 强了制造业企业在绿色竞争中的核心竞争力。 战略性资产数据不仅能够优化现有生产流程的 环境绩效，还能通过持续积累和分析，推动绿色 技术不断迭代升级。通过构建专业化的环境资 源数据库，企业可以更加敏捷地应对政策调整 和市场变化，在绿色产品研发和低碳制造等领 域占据竞争优势。基于此，提出如下假设。 H1：数据资产化能够促进制造业企业绿色 转型。
（二）数据资产化促进制造业企业绿色转型 的作用机制分析
在绿色转型背景下，传统供应链模式面临 环境合规成本上升、资源调配效率低下等挑战， 而数据资产化通过推动供应链数字化、增强供 应链韧性和提升供应链透明度三个维度的协同 作用，构建高效联动、环境友好的供应链协同体 系，为制造业企业绿色转型提供系统性支撑。
在推动供应链数字化方面，数据资产化加 速了绿色技术的扩散应用。通过建立统一的数 据交换标准和共享平台，实现了从原材料采购 到产品回收的全链条数字化。这一转型使得核 心企业的清洁生产技术能够迅速向上下游扩 展，推动循环经济发展，同时优化绿色供应商的 选择机制（张尧等，2024）。
在提升供应链韧性方面，数据资产化不仅 能够有效增强供应链的抗风险能力，还可显著 提高其恢复能力与创造能力，从而助推企业实 现绿色转型。首先，通过数据驱动的风险评估 体系，企业可实时监测供应商的碳排放和环境 表现，提前识别和预测潜在的环境合规风险，进 而有效避免因环保问题而引发的供应链中断， 增强供应链抵御风险的能力。其次，实时数据 分析能够精准预测库存周转、生产状况和物流 路径，帮助企业在面临突发事件时迅速调整生产计划和物流安排，减少供应链恢复所需的时 间和成本，全面提升绿色生产体系的恢复能 力。最后，通过整合环境指标、产能状况及物流 信息等多种数据，支持企业构建更加绿色和低 碳的供应链结构，实现资源优化配置，提升供应 链创造能力（王静，2022）。同时，企业借助智能 化管理与数字化协作平台提高供应链的灵活性 和响应速度，有效推动绿色转型战略实施。
在增强供应链环境透明度方面，数据资产 化通过区块链、物联网等技术手段，构建了可信 的绿色溯源体系，确保每个环节的环境数据不 可篡改且全程可追溯（刘骏和张义坤，2023）。 透明度的提升一方面满足了日益严格的环保监 管要求，另一方面增强了绿色产品的市场辨识 度，通过可视化碳足迹取得消费者认可。基于 此，提出如下假设。
H2：数据资产化通过强化供应链协同促进 制造业企业绿色转型。
制造业企业绿色转型面临的瓶颈之一在于 融资约束问题。由于绿色技术创新周期长、投 入大、风险高，且环境效益难以量化评估，企业 在转型过程中往往面临严重的资金短缺。数据 资产化的兴起为解决这一困境提供了新的路 径，通过提升企业内源融资能力和降低外部融 资成本，有效缓解绿色转型融资约束。
从内源融资角度看，数据资产化显著提升 企业的经营效率和盈利能力，为绿色投资创造 更充足的内部现金流。通过数据驱动的精细化 管理，企业能够优化生产流程，降低能源和原材 料消耗，从而降低运营成本（蒋煦涵和章丽萍， 2023）。同时，基于数据分析的精准决策提高了 资源配置效率，增强了产品市场竞争力，进一步 扩大利润空间。效益积累为企业绿色技术创新 和环保设备升级提供可持续的内部资金来源。
从外部融资方面看，数据资产化改善了企 业的信息透明度和信用水平，有效降低以债务 融资为主的外部融资成本（黄益平和邱晗， 2021）。此外，在系统化采集和分析环境数据的 基础上，企业能够提供可信的绿色认证，使其更 容易获得绿色信贷、绿色债券等专项融资支 持。同时，数据资产本身也可作为新型抵押物， 拓展企业融资渠道，增强企业在融资过程中的 灵活性与可持续性。基于此，提出如下假设。
H3：数据资产化通过缓解融资约束促进制 造业企业绿色转型。
三、研究设计
（一）样本选择与数据来源
选取2011—2023年中国A股制造业上市公 司数据作为研究样本，并进行如下处理：剔除ST 和*ST上市公司样本；删除相关变量存在缺失值 的上市公司样本；对连续变量在1%和99%水平 上进行缩尾处理（Winsorize）。最终得到3391家 企业的 24645 个样本数据。企业层面数据来源 于 CSMAR 数据库、Wind 数据库和 CNRDS 数据 库，地区层面数据来源于EPS数据库。
（二）变量定义
1.被解释变量
企 业 绿 色 转 型（GT）。 借 鉴 Loughran & McDonald（2011）的研究，采用上市公司年报中 的文本信息对企业绿色转型水平进行测度。具 体而言，基于“十二五”规划、《绿色制造标准化 白皮书》以及《中国制造 2025》等政策文件，从 “宣传倡议”等 5 个维度筛选出 113 个绿色转型 特证词（万攀兵等，2021）。随后，统计各特征词 在年报中的出现频次，以此量化企业绿色转型 水平。为消除量纲差异并提升数据可比性，对 该词频数加1后取自然对数，作为企业绿色转型 水平的最终度量指标。
2.解释变量
企业数据资产化（DA）。现有文献主要采用 两类方法对数据资产化进行测量：一是直接利 用财务数据进行量化计算（路征等，2023；肖昂 和邬瑜骏，2024），二是基于文本分析的间接测 度（杨开元和罗钰宁，2025）。相较于财务数据 法，文本分析在揭示数据资产的信息内涵及其 动态变化方面具有更强的敏感性与解释力。
参考何瑛等（2024）的研究思路，基于数据 资产相关法律法规文本语料库，采用自然语言 处理技术对企业数据资产进行系统性识别与分 类。首先，选取“信息”“网络”“数字”“数据”四个核心概念作为种子词，通过 Word2Vec 模型构 建语义关联词库，并将相关词频加 1 取自然对 数，作为企业数据资产化的量化指标。其次，结 合企业数据资产的实际应用特征，提出二维分 类框架，将主要用于内部运营的自用型数据资 产（ODA）与具有市场交易价值的交易型数据资 产（DDA）加以区分，以进一步验证数据资产化的 绿色经济效应。
（三）模型设定
为检验假设H1，考察数据资产化对制造业 企业绿色转型的影响，构建如下基准回归模型：
其中，下标i和t分别代表企业与年份；被解 释变量GTi，t为企业i在t年的绿色转型水平；解释 变量 DAi，t表示企业 i 在 t 年的数据资产化程度； Xi，t表示一系列随个体和时间变化的企业特征变量；λi与μt分别为企业固定效应、年份固定效应， εi，t为模型随机误差项。DAi，t的系数α1表示数据 资产化对制造业企业绿色化转型的影响程度。
四、实证结果分析
（一）描述性统计
表 2 报告了主要变量的描述性统计结果。 企业绿色转型（GT）的均值为 1.9888，标准差为 0.7926，反映出大部分企业在绿色转型方面的水 平相对集中，但存在一定波动；最小值与最大值 之间相差较大，表明不同企业间绿色转型水平 存在显著差异。企业数据资产化（DA）的均值为 1.2974，标准差为 0.9150，最小值和最大值分别 为0和5.3566，显示出数据资产化在样本中差异 较大，部分企业在数据资产化方面尚处于初期 阶段，而另一些企业则已达到较高水平。
（二）基准回归结果
基准回归结果如表3所示，在加入控制变量 和控制固定效应前后，DA 的系数分别为 0.0572 和0.0531，且均在1%的水平上显著，说明数据资 产化具有显著的绿色经济效应。具体而言，企 业数据资产化程度每增加一个标准差，企业绿色 转型水平将提高4.86%①。列（3）和列（4）的结果 显示，ODA和DDA的回归系数皆在1%的水平上 显著为正。可见，无论是自用型数据资产抑或 是交易型数据资产，均有助于促进制造业企业 绿色转型，假设H1得证。
（三）内生性检验
1.工具变量法 使用两阶段最小二乘法（2SLS）模型，进一 步检验数据资产化与企业绿色转型之间的直接 效应。参照Lewbel（1997）的研究，采用企业数据 资产化与其同一行业和省份所有企业数据资产 化均值差额的三次方作为工具变量（DA_dif）。
在相关性方面，同一地区和行业的企业数 据资产化水平具有显著的溢出效应。因此， DA_dif与数据资产化之间存在较强的相关性，符 合工具变量的相关性假设。在外生性方面，考 虑到企业对数据的使用具有情境依赖性和时效 性，其他企业的数据资产化水平不会直接影响 企业绿色转型决策，从而满足外生性假设。
回归结果见表 4，列（1）表示第一阶段回归 结果，DA_dif在1%的水平上显著影响企业数据 资产化，表明 DA_dif 与 DA 具有较强的相关性。 进一步结合不可识别检验、弱工具变量检验的结果看，LM统计量的P值小于0.01，强烈拒绝工 具变量识别不足假设；F统计量大于10%的临界 值水平，排除了弱工具变量问题。列（2）为第二 阶段回归结果，DA 的系数为 0.0604，且在 1%的 水平上显著，说明在考虑双向因果问题后，数据 资产化对制造业企业绿色转型具有显著的促进 作用。
2. Heckman两阶段法
考虑到样本中并非所有的企业都进行数据 资产化，如果企业进行数据资产化的行为不是 随机分布的，那么直接利用有数据资产的样本 来估计可能产生样本选择性偏差。为考察基准 回归结果是否会受到这一偏差带来的实质性影 响，采用Heckman两阶段法进行内生性检验。首 先，选取互联网普及率（Internet）作为企业数据 资产化的工具变量。一方面，企业所在地区互 联网使用人数越多，该地区消费者对数字技术 的接受程度和要求越高，因而可能为企业数据 资产化提供良好的外部环境，满足相关性假 设。另一方面，省级层面互联网普及率不会直 接影响企业绿色转型，满足外生性假设。其次， 在 Heckman 第一阶段，构建 Probit 模型，根据企 业是否进行数据资产化设置因变量（DA_dum）， 如果企业进行数据资产化，赋值为1，否则为0。 进而计算出逆米尔斯比率（IMR），用以检验互联 网普及率是否会影响企业数据资产化的开展情 况。在第二阶段，将IMR加入基准回归模型，以 检验可能存在的样本选择偏差影响。
Heckman第一阶段检验结果如表4列（3）所 示，Internet的系数在10%的水平上显著为正，说 明企业所在地区数字网络基础设施越完善，企 业更有可能进行数据资产化。表 4 列（4）表示 Heckman第二阶段回归结果，在加入IMR后，DA 的回归系数仍在1%的水平上显著为正。此外， IMR的估计系数在10%的水平上显著，说明企业 进行数据资产化存在样本选择偏差，因此有必 要检验样本自选择对基准回归造成的影响。上 述回归结果进一步验证了控制样本选择性偏差 后，数据资产化对制造业企业绿色转型的促进 作用。
3.倾向得分匹配法
（PSM） 采用PSM进一步弱化数据资产化与企业绿 色转型的内生性问题。首先，根据企业是否进 行数据资产化设置因变量（DA_dum），选取企业 规模、资本结构、两职合一和股权集中度作为协 变量实施Logit 回归，采用最近邻匹配方法对样 本进行1:1匹配。匹配后，各变量的标准化偏差 都小于或等于1%，且处理组与控制组无系统差 异，满足PSM法的平衡性条件（见表5）。其次， 将匹配后的样本按模型（1）进行回归，回归结果 如表 4 列（5）所示，DA 的系数在 1%的水平上显 著为正，进一步证实了数据资产化对制造业企 业绿色转型的积极影响。
（四）稳健性检验
1.替换被解释变量
相较于文本词频，绿色专利需通过国家
知识产权局“新颖性—创造性—实用性”三重行政 审查（《专利法》第22条），能更直接反映企业技 术创新的实质性进展。因此，借鉴徐佳和崔静 波（2020）的研究方法，采用上市公司绿色专利 申请数据作为被解释变量进行稳健性检验。具 体而言，绿色专利申请数量指标包括绿色专利 整体（EnvrPat），绿色发明型专利（EnvrInvPat）和 绿色实用新型专利（EnvrUtyPat）三种，同时对上 市企业当年申请的绿色专利数量进行取对数处 理①。回归结果如表 6 列（1）—（3）所示，DA 在 10%的水平上促进EnvrPat，在5%的水平上促进 EnvrInvPat，而在 EnvrInvPat 方面未能产生显著 影响。这说明数据资产化能够促进企业绿色技 术创新，尤其是发明型绿色技术创新。
2.替换解释变量
以ln（市场价值-固定资产-金融资产-无形 资产）对企业数据资产化程度进行度量（路征 等，2023），并将其作为解释变量重新进行回 归。回归结果见表 6 列（4），DataAsset 的回归系 数为0.0502，且在1%的水平上显著为正，与基准 回归基本一致。
3.自变量滞后回归
由于企业绿色转型从投入到产出并非一蹴 而就，数据资产化的赋能作用可能无法立即反 映到绿色转型绩效之中。因此，利用滞后一期 的解释变量（L.DA）替代当期解释变量（DA）进行回归，回归结果见表 7 列（1），L.DA 的系数仍在 1%的水平上显著为正。
4.增加固定效应
为缓解遗漏变量和其他非观测因素的影 响，特别是随时间变化的行业层面因素和省份 层面因素对研究结论的潜在干扰。在模型（1） 的基础上，引入“年份—行业”固定效应和“年份 —省份”固定效应进行回归，回归结果见表7列 （2），DA的系数在1%的水平上显著为正，表明前文结论具有稳健性。
5.排除替代性解释
数字化转型可以通过提升企业内部能力、 增强市场外部关注和吸引政府补贴等途径，推 动绿色创新与绩效的提升，从而促进企业绿色 转型（李金昌等，2023）。为排除数字化转型对 研究结论的影响，在基准回归中对数字化转型 变量进行控制。参考吴非等（2021）的做法，采 用上市企业年报中有关数字化领域的特征词词 频加1取自然对数作为衡量企业数字化转型程 度的指标（DCG）。回归结果见表7列（3），DA的 系数在1%的水平上显著为正，表明在排除替代 性解释后，数据资产化依旧能够促进制造业企 业绿色转型。
6.排除其他政策干扰
考虑到样本期间可能存在其他国家政策影 响制造业企业绿色转型。经过梳理，重点关注 绿色信贷（Credit）、绿色金融改革创新试验区 （Gfina）、大气重点控制区（Atmos）以及低碳城市 试点（Lowco）四项政策。为避免上述政策对基准 回归估计结果的干扰，在基准回归模型中分别 引入这四项政策的虚拟变量，并进行回归分析， 回归结果见表8。结果表明，DA的系数均在1% 的水平上显著为正，即在考虑其他政策影响 后，数据资产化仍会显著促进制造业企业绿色 转型。
7.子样本回归
由于直辖市具有较强的经济特殊性，为减 少省辖市对研究结论的影响，在删除北京等4个 直辖市的样本企业后进行回归。由表9列（1）的 回归结果可知，DA的系数在1%的水平上显著为 正。此外，国家大数据战略及相关法律法规的 实施，推动了企业对数据资产的重视，并加速了 数据资产化进程。因此，参考Hu et al.（2022）的 研究方法，采用 2016 年及之后的样本进行回 归。表 9 列（2）的结果表明，DA 的系数在 1%的 水平上显著为正。同时，为排除样本数据年份 选择偏差对研究结论的影响，基于2011—2022、 2011—2021、2011—2020 三个不同时间段重新进行回归，回归结果如表9列（3）—（5）所示，DA 的回归系数均在1%的水平上显著为正。说明研 究结论具有稳健性。
五、进一步分析
（一）机制分析
参考江艇（2022）的研究，构建传导机制模 型对假设H2和H3进行验证，具体如下：
其中，Mi，t为数据资产化影响企业绿色转型 的中介变量，其余变量与模型（1）相同。当β1显 著时，影响机制存在。
1.供应链协同的强化
基于多维度指标体系解析其作用路径：首 先，以供应链数字化相关词汇的总词频除以年 报管理层讨论与分析部分语段长度乘以100，测 量企业供应链数字化程度（SCDT）。其次，从供 应链抵抗能力、供应链恢复能力和供应链创造 能力3个维度，构建企业供应链韧性（SCR）指标 体系，并使用熵值法加权处理指标以便进行综 合评价。第三，供应链透明度（SCT）以上市公司 明确披露名称的大供应商和客户交易额在前五 大供应商和客户总交易额的占比衡量。回归结 果如表 10 所示，DA 的系数均在 1%的水平上显 著为正，表明数据资产化能够通过推动供应链 数字化、增强供应链韧性以及提升供应链透明 度三方面强化供应链协同，进而促进企业绿色 转型，假设H2成立。
2.融资约束的缓解
基于企业内源融资能力和外部融资成本， 深入探讨数据资产化影响制造业企业绿色转型 的作用机制。其中，内外部融资约束的代理变 量分别为现金流比率（CashFlow）与债务融资成 本（DebtCost）。选取上述指标的原因如下：第一， 相较于留存收益等指标，现金流比率直接反映 企业主营业务创造真实现金的能力，更能体现 数据资产化对运营效率的即时改善效应。同 时，现金流受《企业会计准则——现金流量表》 的严格规范，操纵空间极小，能够避免“盈余管 理”等企业会计政策干扰。第二，当前中国制造 业企业融资结构仍以债务融资为主，且数据资 产确权可直接降低抵押融资风险溢价，对债务 融资成本的影响效应更具可观测性。具体的， Cashflow 以企业现金流量净额在总资产的占比 衡量，DebtCost 采用企业利息、手续费及其他财 务费用总额占期末总负债的比重考察。由表11 列（1）（2）可知，DA分别在1%的水平上正向影响 CashFlow，在 5%的水平上负向影响 DebtCost，表 明数据资产化既能增强现金流比率，突破内源 融资限制，又能减少债务融资成本，改善外部融 资困境，进而缓解融资约束，促进制造业企业绿 色转型，假设H3得证。
此外，为进一步检验数据资产化对企业外 部融资成本的影响，分别采用基于CAPM模型测 算的股权融资成本（CapitalCost）和加权平均资 本成本（WACC）进行补充分析。回归结果如表 11 列（3）（4）所示，DA 的系数分别为-0.0008 和 -0.0006，虽方向与预期一致，但均未在10%的水 平上通过显著性检验。说明中国绿色股权融资 市场仍处于培育阶段，股权投资者对数据资产 的价值识别尚需较长验证周期。因此，数据资 产化对股权融资成本和加权平均资本成本的削 弱效应短期内难以显现，其融资成本优化效应 更多体现在债务融资层面。
（二）异质性分析
TOE（Technology-Organization-Environment） 框架为多维度解构企业技术采纳与战略变革提 供了系统性范式，其核心逻辑在于强调技术基 础、组织特征与环境约束的协同作用对创新行 为的差异化影响。在数字经济与绿色转型深度 交织的背景下，制造业企业面临技术迭代加速、 组织架构重构与制度环境变迁的三重挑战，数 据资产化作为新兴生产要素的配置过程，其效 能释放必然受到多维情境条件的交互制约。基 于 TOE 框架的理论延展性，从行业技术属性异 质 性（Technology）、管 理 者 绿 色 认 知 异 质 性 （Organization）及 地 区 数 字 化 水 平 异 质 性 （Environment）三个维度，探究数据资产化驱动绿 色转型的边界条件与作用情境差异。除分组回 归外，在模型（1）的基础上引入核心解释变量与 异质性变量的交乘项以及异质性变量，以进一 步检验在不同技术、组织和环境的背景下，数据 资产化对制造业企业绿色转型的影响效果，其 中Hi，t为异质性变量，交互项系数γ2的符号与显 著性反映调节方向，模型设置如下：
1.技术层面异质性分析 在数据资产化影响企业绿色转型的机制 中，技术层面的差异可能对其作用强度产生显 著影响。根据 TOE 框架，企业在采纳新兴技术 及实施绿色战略过程中，其所处行业的技术复 杂度与创新密集度往往成为决定其响应程度与 转型能力的关键因素。依据《国民经济行业分 类》将样本企业划分为高科技行业与非高科技 行业（Hightech）①，若企业为高科技行业，赋值为 1，否则为0。
表12列（1）—（2）分别展示了高科技行业与 非高科技行业子样本的回归结果。结果显示， DA 在高科技行业中的回归系数为 0.0660，且在 1%的水平上显著为正，表明高科技企业的数据 资产化水平越高，其绿色转型水平越显著。相 比之下，非高科技行业中的DA系数为0.0211，小 于高科技行业的系数，且仅在 10%的水平上显 著，说明数据资产化在该类企业中的绿色赋能 作用相对较弱。进一步地，在全样本中引入DA与Hightech的交互项以检验调节效应。从表12 列（3）可知，DA×Hightech 的系数为 0.0356，且在 5%的水平上显著为正，进一步表明，高技术属性 能够显著增强数据资产化对绿色转型的正向作 用。换言之，相较于技术基础较弱的行业，技术 密集型行业更具备通过数据资产实现绿色价值 转化的能力，其在数据挖掘、智能分析与绿色管 理等方面的优势更易释放数据资产潜能，进而 推动企业可持续发展战略的实施。
2.组织层面异质性分析
在企业绿色转型过程中，管理者认知作为 企业战略选择的重要内生驱动，其绿色导向程 度往往深刻影响绿色治理理念的落实与数据资 产赋能效能的释放。根据 TOE 框架中的“组织 维度”理论，组织内部特征、结构与领导者认知 在新技术采纳和绿色转型中发挥关键作用。该 文围绕“绿色竞争优势认知”等三个维度构建关 键词体系，基于文本分析法测度高管绿色认知 程度（EGP），并据此将企业划分为强认知组与弱 认知组。
表13列（1）（2）分别呈现了高管绿色认知强 与弱的两个子样本回归结果。在强认知组中， DA 的系数为 0.0538，且在 1%的水平上显著为 正，表明当管理者具有较强绿色意识时，企业更 倾向于主动识别、挖掘与运用数据资源以推动 绿色战略实施。相比之下，弱认知组中DA的系 数虽显著为正，但经济效应明显弱于高认知组， 显示出管理层认知差异对数据资产赋能效果具 有异质性作用。进一步地，在全样本中引入交 互项DA×EGP以刻画绿色认知的调节效应。从 表 13 列（3）可见，交互项系数为 0.0024，且在 10%的水平上显著为正，进一步验证高管绿色认 知对数据资产化促进企业绿色转型具有显著正 向调节效应。
3.环境层面异质性分析
根据 TOE 框架，企业的战略行为与转型路 径不仅受技术基础与组织特征的约束，更与其 所处的外部技术生态紧密关联。在数字经济与绿色发展战略深度协同的背景下，地区数字化 水平作为外部技术环境的重要表征，可能通过 双重路径影响企业数据资产化与绿色转型的适 配关系：一方面，完善的数字基础设施可降低数 据获取与处理成本，为绿色转型提供技术支撑； 另一方面，过度成熟的数字化生态可能导致技 术路径依赖或资源冗余，反而削弱数据资产化 对绿色转型的边际贡献（俞园园等，2024）。采 用熵值法从数字基础设施、数字产业化和产业 数字化等三个方面构建地区数字化发展水平指 标（Dig）。同时，以样本企业所在地区的 Dig 中 位数为划分标准，将企业划分为高数字化水平 组与低数字化水平组进行分组回归。
高数字化水平与低数字化水平子样本的回 归结果如表 14 列（1）（2）所示。DA 的回归系数 在 高 、低 数 字 化 水 平 组 中 分 别 为 0.0508 和 0.0580，均在1%的水平上显著。这一结果表明， 数据资产化对制造业绿色转型的促进作用在数 字化基础薄弱的地区相对较强，可能源于低数 字化水平地区企业更依赖数据要素突破“数字 鸿沟”，通过数据资产化实现绿色技术追赶；而 高数字化水平地区因已形成成熟的数字技术生 态，数据资产的边际赋能效应相对趋缓。进一 步地，在全样本中引入 DA 与 Dig 的交互项以检 验调节效应。从表 14 列（3）可知，DA×Dig 的系 数为-0.0721，且在5%的水平上显著，进一步验 证了地区数字化水平对数据资产化绿色效应的 负向调节作用，即数据资产化与数字化水平在 促进制造业企业绿色转型方面存在替代效应， 数据资产化在一定程度上能够弥补外部数字化 水平的不足。
六、研究结论与对策建议
研究发现：数据资产化能够显著推动制造 业企业绿色转型，数据资产化程度每增加一个 标准差，企业绿色转型水平将提高4.86%。数据 资产化可以通过强化供应链协同和缓解融资约 束促进制造业企业绿色转型。数据资产化在推 动高科技行业企业、高管绿色认知强的企业以 及处于低数字化水平地区的企业绿色转型方 面，发挥着更为显著的作用。
基于上述结论，提出以下对策建议：
第一，政府应加快构建数据资产化制度体 系。出台《数据资产确权与交易管理条例》，明 确数据产权归属与市场化定价机制，推动公共 数据开放共享平台建设；将数据资产应用纳入 企业 ESG 评价框架，强制高耗能企业披露数据 驱动的环境绩效，并通过专项基金、税收抵免等 政策激励企业研发绿色数据技术。
第二，金融机构需创新数据价值转化金融 工具。开发“数据资产绿色信贷”产品，将企业 数据治理能力（如环境数据采集频次、供应链碳 足迹追踪）纳入授信评估，对达标企业提供利率 优惠贷款。推广绿色供应链金融ABS，基于核心 企业生态数据发行证券化产品，破解中小企业 融资约束。
第三，企业应深化数据要素的整合与应用 能力。设立首席数据官（CDO），建设覆盖数据全 生命周期的智能中台，开发能耗预测模型、数字 孪生工厂等工具，动态优化生产能耗与供应链碳排。加强与高校、产业链上下游的协同创新， 共建工业大数据实验室与绿色协同平台，通过 联邦学习技术共享行业绿色转型知识图谱。将 数据素养纳入高管考核，开展“数字技术+双碳” 培训，建立数据创新利润分成机制，激发组织内 生动力，推动绿色运营从技术升级向生态化协 作跃迁。
